The Topological Stability Index: A Variance-Based Measure for Persistence Barcodes

本論文は、確率的変動における構造的変動を捉えつつ決定論的傾向には感応しない、永続性バーコードに対する分散に基づくスカラー指標であるトポロジカル安定性指数（TSI）を導入するものであり、絶対寿命の分散を定量化し、エントロピーに基づく要約を補完するものである。

要約

あなたが探偵だと想像してください。謎の物体の「指紋」を眺めることで、その物体の形状を理解しようとしています。データサイエンスの世界では、この指紋はパーシステンス・バコードと呼ばれます。これは線（または「バー」）のリストであり、各線の長さは、データを拡大・縮小する際に、特定の機能（穴やループなど）がどれほど長く存続するかを示します。

長らく、科学者たちはこれらのバコードを要約するためのツールとしてパーシステント・エントロピーを持っていました。パーシステント・エントロピーを想像してみてください。まるで料理人がスープを味わい、成分の比率だけを気にしているようなものです。1 部の塩と 99 部の水からなるスープでも、10 部の塩と 990 部の水からなるスープでも、比率は同じです。料理人はこう言います。「これは味が同じだ」と。

しかし、もしスープの大きさが重要だとしたらどうでしょうか？一方は小さなカップで、もう一方は巨大な浴槽だとしたらどうでしょう？比率は同じですが、体験は全く異なります。古いツールは、小さく均一なスープと、巨大で混沌としたスープの違いを区別できませんでした。

この論文は、その問題を修正するための新しいツール、**トポロジカル・スタビリティ・インデックス（TSI）**を導入します。

新しいツール：TSI と TSigI

著者たちは、バコードを記述するために、まるで群衆の平均身長と身長の多様性によって群衆を記述するような、2 部構成のシステムを提案します。

1. トポロジカル・シグナル・インデックス（TSigI）：「平均身長」

   • 何をするものか： これはバーの典型的な大きさを測定します。
   • 比喩： 人々のグループを想像してください。TSigI はそのグループの平均身長を教えてくれます。全員が 6 フィート（約 183 センチ）なら、平均は 6 です。一人の巨人と多くの小さな人々がいれば、平均はそれでも 6 かもしれませんが、それは物語のすべてを語っていません。これは「シグナル強度」や機能の一般的なスケールを捉えます。

2. トポロジカル・スタビリティ・インデックス（TSI）：「身長の分散」

   • 何をするものか： これはバーの長さのばらつきを測定します。分散（統計的なばらつき）を計算します。
   • 比喩： 群衆に戻りましょう。
     • シナリオ A： 全員が正確に 6 フィートです。「ばらつき」はゼロです。TSI は低くなります。
     • シナリオ B： 7 フィートの人が一人と、5 フィートの人が一人います。平均は依然として 6 ですが、グループは「乱雑」または「不均質」です。TSI は高くなります。
   • なぜ重要か： TSI は絶対的な差異に敏感です。いくつかの巨大で支配的な機能と多くの小さな機能を持つバコード（TSI が高い）と、すべての機能がほぼ同じ大きさのバコード（TSI が低い）を区別できます。

秘密のつながり：「正規化」バージョン

著者たちは、cvTSIと呼ばれる「正規化」されたバージョンも作成しました。

• 比喩： 小さな水たまりの「乱雑さ」と巨大な海の「乱雑さ」を比較したいと想像してください。海は自然に大きいので、波の raw な（生）ばらつきをそのまま測ることはできません。正規化する必要があります。
• 魔法のリンク： この論文は、この正規化された乱雑さ（cvTSI）が、情報理論の概念であるレニー・エントロピーと数学的につながっていることを証明しています。
  • これは、同じ物語を記述する 2 つの異なる言語のようなものです。一方の言語（エントロピー）は対数を使って物語を圧縮し、もう一方の言語（cvTSI）は直線（分散）を使います。どちらもバーの分布について同じことを教えてくれますが、異なる詳細を強調します。この論文は、それらの間で完璧に翻訳できることを示しています。

実験が示したもの

著者たちは、これらのツールが古いツールと比較してどのように振る舞うかを見るために、合成データ（コンピュータ生成の形状やランダムな時系列など）でこれらのツールをテストしました。

1. 決定論的 vs ランダム：

   • 彼らがデータに安定した予測可能な傾向（上昇する直線など）を加えたとき、古いツール（エントロピー）も新しいツール（TSI）もあまり変化しませんでした。これらは退屈で予測可能なパターンを無視するのが得意です。
   • しかし、ランダムなノイズ（ラジオの雑音やカメラの揺れのようなもの）を加えたとき、TSI は跳ね上がりました。これは「混沌」やランダムな変動を検出するのが非常に得意です。「おい、機能はあちこちに散らばっているぞ！」と教えてくれます。

2. 「短いバー」の問題：

   • この論文は、ある特徴を認めています：リストに小さく、ほとんど見えないバーを一つ追加すると、TSI は変化します。巨人の部屋に背の非常に低い一人の人を加えるようなもので、部屋の「分散」は瞬時に変化します。
   • 古いエントロピー・ツールはより滑らかで、小さなバーを追加することにはあまり関心を持ちません。
   • 結論： TSI は大きな構造的変化やランダムなノイズを見るのに優れていますが、データに多くの小さなノイズ機能がある場合、少し「跳ねやすい」傾向があります。

平易な英語での要約

• 古い方法（エントロピー）： 「機能はどのように均等に分布しているか？」（実際の大きさは無視する）。
• 新しい方法（TSI + TSigI）： 「機能の大きさは平均してどれくらいか？」（TSigI）そして「大きさはどれほど変動するか？」（TSI）。
• 結果： 新しいツールは構造的変動のより良い図を提供します。それらは、均一に混沌としたシステムと、ノイズと混ざり合ったいくつかの支配的な機能を持つシステムを区別できます。それらは特に、古いツールが時折見逃すデータ内のランダムな変動を特定するのが得意です。

要約すれば、この論文はデータサイエニストに、形状の「バランス」だけを測定していた古い定規を補完する、データ形状の「乱雑さ」を測定するための新しい定規（TSI）を提供します。

技術概要

技術的概要：トポロジカル安定性指数

問題提起

トポロジカルデータ解析（TDA）は、パーシステンス図やバーコードを用いて、スケールにわたるトポロジカル特徴の進化を表現する。これらの表現は豊かで安定しているものの、パーシステンス図の空間に単純な線形構造や凸構造が存在しないため、標準的な統計ツールとの統合は依然として困難である。

既存のスカラー要約、例えばパーシステントエントロピーは、バーコードを単一の値に写像することでこの課題に対処する。しかし、パーシステントエントロピーはパーシステンス寿命の正規化分布（相対的重み）に依存している。その結果、スケーリング不変性を有し、パーシステンス寿命の絶対的な分散や大きさの違いを捉えることができない。多くの応用において、スケールと変動性の絶対的な違いは構造的な不均一性の有意な指標となるが、エントロピーに基づく要約ではそれらが失われてしまう。構造的な不均一性に対して感度を持ちつつ、パーシステンス寿命の絶対的な分散を定量化するスカラー測度が必要である。

手法

著者らは、パーシステンス寿命の多重集合の標本分散として定義されるスカラー測度である**トポロジカル安定性指数（TSI）**を導入する。

1. 定義と中核的性質

$n_B$ 本のバーと寿命 $\ell_i = d_i - b_i$ を持つパーシステンスバーコードを $B$ とする。TSI は以下のように定義される：
$$\text{TSI}(B) := \text{Var}(L_B) = \frac{1}{n_B - 1} \sum_{i=1}^{n_B} \left( \ell_i - \frac{L_B}{n_B} \right)^2$$
ここで、$L_B = \sum \ell_i$ は総パーシステンスである。

確立された主要な数学的性質は以下の通りである：

• スケーリング: TSI はフィルトレーション値の一様スケーリングに対して二次（$c^2$）にスケーリングする。
• 並進不変性: バーの数が固定されている場合、TSI は死亡時刻の一様並進（すべての寿命を定数分シフトさせること）に対して不変である。
• 極値特性: バーの数と総パーシステンスが固定されている場合、すべての寿命が等しいときに TSI は最小（ゼロ）となり、パーシステンスが単一のバーに集中しているときに最大となる。
• 更新式: バーの挿入または削除に対する TSI のための明示的な再帰式が導出されており、新しいバーの長さの既存の平均からの偏差に対する感度を示している。
• 安定性: TSI は、任意に短いバーの挿入に対して連続ではない（標本サイズの正規化の変化による）が、バーの数が固定されている場合、空の図およびボトルネック距離に対して定量的な境界を許容する。

2. 補完的シグナル指数

寿命の典型的なスケールを捉えるために、著者らは**トポロジカルシグナル指数（TSigI）**を定義する：
$$\text{TSigI}(B) := \frac{\sum \ell_i^2}{\sum \ell_i}$$
これはパーシステンス重み付き平均寿命として解釈される。$(\text{TSigI}(B), \text{TSI}(B))$ は、バーコードの大きさ（シグナル強度）と分散（構造的変動性）の両方を符号化する 2 次元要約を形成する。

3. 正規化版とエントロピーとの関連

分散ベースの要約とエントロピーベースの要約の間のギャップを埋めるために、正規化版 cvTSI が導入される：
$$\text{cvTSI}(B) := \frac{\text{TSI}(B)}{(\bar{\ell}_B)^2}$$
ここで、$\bar{\ell}_B$ は平均バーの長さである。

• スケーリング不変性: cvTSI は一様スケーリングに対して不変である。
• レーニエントロピーとの関係: 著者らは、cvTSI と**2 次レーニエントロピー（$H_2$）**の間の正確な代数的関係を証明する。具体的には、cvTSI は衝突確率 $\sum p_i^2$（ここで $p_i$ は正規化された寿命）の線形関数である。したがって、cvTSI は $H_2$ の単調な再パラメータ化である。
• テイラー展開: 一様分布の近傍において、パーシステントエントロピー $E(B)$ は cvTSI の線形関数として近似でき、これにより cvTSI がエントロピーの最大値からの主要な二次偏差を捉えていることが示される。

主要な結果

本論文は、合成幾何データおよび確率的時系列に対する数値実験を通じて、TSI の理論的性質と実用的有用性を検証している：

1. 幾何学的構成（円）:

   • 離散した円モデルおよび絡み合った円モデルにおいて、TSI はサンプリング密度の増加に伴い急速に漸近値に収束し、サンプリング密度に対する頑健性を示す。
   • 出生時刻のゼロへの収束に強く依存するパーシステントエントロピーとは異なり、TSI はバーコードの一様並進（例えば、離散した円におけるサンプルサイズのばらつき）に対して不変である。
   • TSI は局所的な摂動（短寿命のバー）に対して感度が高いのに対し、エントロピーは正規化分布の全体的なバランスを反映する。

2. ノイズ耐性:

   • ガウスノイズまたは一様ノイズが増加するにつれて、支配的な特徴が破壊され寿命が一様に小さくなるにつれ、TSI は急速にゼロに向かって減少する。
   • 対照的に、寿命の分布がより均一になる（多くの短寿命の特徴）につれて、パーシステントエントロピーは単調に増加する。
   • cvTSI は単調ではない挙動を示し、顕著な特徴と短寿命の特徴が混在するときにピークに達し、その後ノイズが支配的になるにつれて減少する。

3. 確率的時系列（幾何ブラウン運動）:

   • GBM を分析する際、TSI は決定論的傾向（ドリフト）に対してほとんど感度を示さないが、確率的変動（ボラティリティ）に対して強く反応する。
   • ボラティリティの増加は、パーシステンス寿命の分散の増加を反映して、より高い TSI 値をもたらす。
   • これは、ドリフトに対しては弱く依存し、ボラティリティに対しては中程度に依存するエントロピーとは対照的である。

意義と主張

本論文は、トポロジカル安定性指数が TDA における既存のエントロピーベースの要約に不可欠な補完を提供すると主張している。その主な貢献は以下の通りである：

• 絶対分散の捉え方: パーシステントエントロピーとは異なり、TSI はパーシステンス寿命の絶対的な変動性を定量化し、エントロピーが見逃す不均一な特徴スケールや構造的複雑さに対して感度を持つ。
• 統合的視点: 正規化された cvTSI を通じて、分散ベースの測度と情報理論的要約（レーニエントロピー）の間の直接的な数学的リンクを確立し、スカラー要約への 2 つの異なるアプローチを統合する。
• 補完的感度: 実験により、TSI とエントロピーがデータの構造の異なる側面を捉えていることが示された。TSI は決定論的傾向に対して比較的感度が低いが、確率的変動およびパーシステンス大きさの変動に対しては非常に反応的である。
• 2 次元要約: 対 $(\text{TSigI}, \text{TSI})$ は、トポロジカル特徴の典型的なスケールとその構造的変動性の両方を符号化する、シンプルで解釈可能な 2 次元要約を提供する。

著者らは、バーの挿入に対する連続性やバーの数への依存性という TSI の限界があるものの、絶対スケールと分散が特に重要なシナリオにおいて、TSI は構造的な不均一性に対する頑健な記述子として機能すると結論づけている。今後の研究として、パーシステンス曲線フレームワーク内での機能的類似体の開発や、統計的推論のための漸近挙動の研究が提案されている。