Structural identifiability of partially-observed stochastic processes: from single-particle trajectories to total particle density data

기술적 요약: 부분 관측 확률 과정의 구조적 식별 가능성

문제 제기
실험 데이터의 가용성이 증가함에 따라 정량적 통찰력을 얻기 위해 확률 모델을 보정할 필요성이 더욱 절실해졌습니다. 매개변수 추정의 근본적인 전제 조건은 구조적 식별 가능성, 즉 이상적이고 잡음이 없는 데이터로부터 모델 매개변수가 고유하게 복원될 수 있는지 여부를 결정하는 것입니다. 상미분방정식 (ODE) 모델에 대해서는 광범위한 방법론이 존재하지만, 확률 과정의 구조적 식별 가능성을 평가할 수 있는 일반적인 방법론은 부재합니다. 이러한 도전 과제는 이러한 과정에 내재된 무작위성과 이용 가능한 데이터의 특성으로 인해 더욱 심화됩니다. 구체적으로, 본 논문은 식별 가능성이 관측 체계에 어떻게 의존하는지, 즉 단일 입자 궤적 데이터(개체 기반)와 총 입자 밀도 데이터(집단 수준)를 구분하여 다룹니다. 부분 관측 마르코프 과정의 경우, 데이터가 입자의 내부 상태를 숨길 수 있다는 사실로 인해 도전 과제가 더욱 복잡해지며, 이는 매개변수 추론을 어렵게 만듭니다.

방법론
저자들은 공간 - 시간 확률 과정의 한 클래스, 구체적으로 입자의 내부 상태가 고정된 속도를 갖는 각 상태로 특징지어지는 상태 네트워크 내에서 연속 시간 마르코프 체인으로 진화하는 속도 점프 (velocity-jump) 모델에 대한 구조적 식별 가능성을 분석하는 새로운 방법론을 제안합니다. 이 연구는 두 가지 데이터 유형에 상응하는 두 가지 구별된 수학적 표현을 활용합니다:

1. 개체 기반 모델 (단일 입자 궤적):

   • 저자들은 연속 시간 마르코프 과정의 명시적인 개체 기반 설명을 활용합니다.
   • 궤적 $x(t)$와 그 도함수 $x'(t)$를 분석합니다. $x'(t)$는 구간별 상수이며 상태 속도 집합에서 값을 취합니다.
   • 식별 가능성은 각 상태에 머무는 시간의 누적 분포를 유도하여 (전환 속도를 식별하기 위해) 및 상태 간 전환의 빈도를 분석하여 (전환 확률을 식별하기 위해) 평가됩니다.
   • 초기 조건 (위치 및 상태 분포) 은 가산 무한한 수의 궤적에 걸친 시작점과 초기 속도의 분포를 분석함으로써 식별됩니다.

2. 집단 수준 모델 (총 입자 밀도):

   • 저자들은 각 상태 $s$에서 입자 밀도 $n_s(x,t)$의 진화를 기술하는 편미분방정식 (PDE) 시스템 (Fokker-Planck 공식화) 을 유도합니다.
   • 그들은 ODE 분석에서 일반적으로 사용되는 미분 대수적 접근법을 PDE 시스템에 적용합니다. 이는 관측되지 않은 상태 변수 ($n_1, n_2, n_3$) 를 기호적으로 소거하여 관측 가능한 총 밀도 $N(x,t)$와 모델 매개변수에만 의존하는 입력 - 출력 방정식을 유도하는 것을 포함합니다.
   • 새로운 초기 조건 분석: 표준 미분 대수법이 $t=0$에서 모든 식별 가능성 정보를 포착하지 못할 수 있다는 점 (공간 및 시간 도함수가 비례할 수 있음) 을 인식하여, 저자들은 새로운 방법을 도입합니다. 그들은 PDE 시스템의 특성 방정식을 활용하여 $t=0$ 주변의 밀도 진동에 대한 테일러 전개를 구성합니다. 이를 통해 표준 소거법을 통해 명확하지 않은 초기 조건과 관련된 추가적인 매개변수 조합을 식별할 수 있습니다.

주요 결과
이 방법론은 9 개의 매개변수 (속도, 전환 속도, 전환 확률) 를 갖는 3 상태 속도 점프 모델에 적용되었습니다.

• 단일 입자 궤적 데이터:

  • 가산 무한한 수의 무한히 긴 단일 입자 궤적 데이터가 사용 가능할 때, 모델은 (상태 재표기까지) 구조적으로 전역 식별 가능합니다.
  • 속도, 전환 속도, 전환 확률, 초기 조건 분포를 포함한 모든 매개변수가 고유하게 복원될 수 있습니다.

• 총 입자 밀도 데이터:

  • PDE 시스템에 미분 대수적 접근법을 적용하여, 저자들은 모델 매개변수의 함수인 계수 ($c_1$부터 $c_8$까지) 를 갖는 입력 - 출력 방정식을 유도합니다.
  • 속도와 전환 속도는 (상태 재표기까지) 구조적으로 식별 가능한 것으로 밝혀졌습니다.
  • 그러나 전환 확률 매개변수는 PDE 만으로부터 유도된 입력 - 출력 계수를 사용하여는 전역적으로 식별 가능하지 않습니다; 이들은 여러 해를 갖는 2 차 방정식을 만족합니다.
  • 초기 조건의 영향: $t=0$에서의 표준 미분 대수적 접근법은 초기 조건과 관련된 식별 가능한 계수 ($c_9$) 하나만을 산출하며, 이는 초기 상태 확률 ($a_1, a_2, a_3$) 을 식별하기에 충분하지 않습니다.
  • 테일러 전개의 기여: 특성 방정식에 기반한 새로운 테일러 전개 방법을 적용함으로써, 저자들은 추가적인 계수 ($c_{10}$부터 $c_{15}$까지) 를 식별합니다. 이러한 계수들은 초기 상태 확률을 식별할 수 있게 합니다.
  • 국소 식별 가능성: 테일러 전개로 얻은 추가 계수에도 불구하고, 모델은 확률 매개변수에 대해 구조적으로 국소 식별 가능합니다. 이는 매개변수가 실제 값의 작은 근방에서 고유하게 식별 가능하지만, 특정 초기 조건 하에서 동일한 총 입자 밀도 진화를 생성하는 구별된 매개변수 집합 (동등한 모델) 이 존재함을 의미합니다.

• 특수 사례 (공유 속도):

  • 두 개 또는 세 개의 상태가 동일한 속도를 공유하면 식별 가능성이 저하됩니다. 세 상태가 모두 동일한 속도를 공유하는 경우, 속도만이 식별 가능하며 모든 속도 및 확률 매개변수는 식별 불가능해집니다.
  • 두 상태가 속도를 공유하는 경우, 그들의 전환 속도의 합은 식별 가능하지만, 개별 속도와 확률은 테일러 전개 방법을 사용하더라도 일반적으로 식별 불가능합니다.

의의 및 주장
본 논문은 개체 기반 설명과 집단 수준 PDE 공식화 간의 간극을 연결하는 공간 - 시간 확률 과정의 구조적 식별 가능성을 분석하는 최초의 일반적 방법론을 제공한다고 주장합니다.

• 데이터 유형 의존성: 이 연구는 중요한 구별을 강조합니다. 단일 입자 궤적 데이터는 전역 구조적 식별 가능성으로 이어지는 반면, 총 입자 밀도 데이터는 국소 식별 가능성으로만 이어집니다. 이는 실험 관측 체계의 선택이 고유한 매개변수 추론의 실현 가능성을 근본적으로 규정함을 시사합니다.
• 초기 조건의 역할: 이 작업은 초기 조건이 PDE 모델에서 구조적 식별 가능성에 상당한 영향을 미친다는 것을 보여줍니다. 저자들은 이러한 확률적 맥락에서 표준 미분 대수적 접근법이 종종 초기 조건 정보를 포착하는 데 불충분하며, 특성 방정식에 기반한 제안된 테일러 전개 방법이 추가적인 식별 가능한 매개변수 조합을 발견하는 데 필요하다고 주장합니다.
• 실험 설계 함의: 구조적으로 동등한 모델 (동일한 밀도 진화를 생성하는 서로 다른 매개변수) 의 존재는 초기 조건을 변화시키는 것이 실험 설계에서 매개변수 식별 가능성을 개선하기 위한 실용적인 전략이 될 수 있음을 시사합니다.
• 방법론적 확장: 저자들은 특히 매개변수 형태로 작성될 수 있는 특성 방정식을 사용하는 테일러 전개에 대한 그들의 접근법이 공간 성분을 가진 화학 반응 네트워크로 확장될 수 있는 다른 확률 모델에도 적용 가능하다고 주장합니다.

저자들은 실제 응용에 대해서는 겸손한 태도를 유지하며, 그들의 결과가 이상적이고 잡음이 없는 환경에서의 식별 가능성을 특징짓는다고 지적합니다. 그들은 유한하고 잡음이 있는 데이터로 실용적인 식별 가능성을 다루고 이러한 방법을 더 복잡한 초기 또는 경계 조건을 가진 모델로 확장하기 위한 후속 연구가 필요하다고 명시적으로 언급합니다.