Framing local structural identifiability and observability in terms of parameter-state symmetries

Deze paper introduceert een nieuwe subklasse van Lie-symmetrieën, genaamd parameter-toestand-symmetrieën, om lokale structurele identificeerbaarheid en observeerbaarheid in mechanische modellen te analyseren en bewijst dat deze eigenschappen corresponderen met universele invarianten van deze symmetrieën.

De kern

Stel je voor dat je een heel ingewikkeld mechanisme hebt, zoals een horloge, een medicijn dat in je lichaam werkt, of een ziekte die zich verspreidt. Je kunt de binnenkant niet zien, maar je kunt wel kijken naar wat er buiten gebeurt: de wijzers die bewegen, de temperatuur van je lichaam, of het aantal mensen dat ziek wordt.

In de wetenschap noemen we dit een model. De vraag is dan: kunnen we, puur door naar die buitenkant te kijken, precies weten hoe het binnenwerk in elkaar zit?

Dit artikel gaat over twee belangrijke vragen:

1. Identificeerbaarheid: Kunnen we de instellingen van het mechanisme (zoals de snelheid van een tandwiel of de sterkte van een medicijn) precies achterhalen?
2. Observabiliteit: Kunnen we precies weten wat er op dit moment in het binnenwerk gebeurt (bijvoorbeeld: hoeveel tandwielen draaien er nu)?

De auteurs van dit artikel hebben een nieuwe manier bedacht om deze vragen te beantwoorden, gebaseerd op een wiskundig concept dat ze "symmetrieën" noemen. Laten we dit uitleggen met een paar creatieve analogieën.

1. De "Magische Spiegel" (Symmetrieën)

Stel je voor dat je een machine hebt die een geluid maakt. Je ziet de machine niet, maar je hoort het geluid.
Nu stel je een vraag: "Als ik een schroefje iets losser draai, verandert het geluid dan?"

• Ja: Dan is dat schroefje identificeerbaar. Je kunt het terugvinden door naar het geluid te luisteren.
• Nee: Als je het schroefje losser draait, maar het geluid blijft exact hetzelfde, dan is dat schroefje niet identificeerbaar. Je kunt het niet onderscheiden van de andere instellingen.

In de wiskunde noemen we een verandering die het geluid (de uitkomst) niet verandert, een symmetrie. Het is alsof je een magische spiegel hebt: je kunt de machine van binnen een beetje verschuiven of herschikken, maar wat je eruit ziet (of hoort), blijft precies hetzelfde.

2. Het oude probleem: Alleen naar de uitkomst kijken

Vroeger keken wetenschappers alleen naar het geluid (de uitkomst) en probeerden ze daaruit te raden wat er binnenin gebeurde. Ze probeerden de machine te "ontleden" door alleen naar de uitgang te kijken. Dit werkte goed om te zien welke schroeven (parameters) je kunt vinden, maar het was heel moeilijk om te zien welke onderdelen (toestanden) er nu precies draaien.

Het was alsof je probeert te raden hoe een auto rijdt door alleen naar de snelheidsmeter te kijken, zonder te weten hoeveel benzine er in de tank zit of hoe hard de motor draait.

3. De nieuwe aanpak: De "Twee-in-één" Spelregels

De auteurs van dit artikel zeggen: "Wacht even, we moeten niet alleen naar de uitkomst kijken, maar naar de machine én de uitkomst tegelijkertijd."

Ze hebben een nieuwe soort symmetrie bedacht, een "Parameter-Toestand Symmetrie".
Stel je voor dat je een danspartner hebt.

• De Parameter: Dit is de muziek (het tempo, de stijl).
• De Toestand: Dit is de danser (zijn positie, zijn beweging).

De nieuwe regel is: "We mogen de muziek veranderen én de danser veranderen, ZÓLANG ze samen precies dezelfde dans blijven doen."

Als je de muziek iets sneller maakt (parameter veranderen), maar de danser ook iets anders beweegt (toestand veranderen), en het resultaat (de dans) blijft voor de toeschouwer precies hetzelfde, dan heb je een symmetrie gevonden.

4. Wat levert dit op? (De "Onveranderlijke Waarheden")

Het mooie van deze methode is dat ze een lijst maken van alles wat niet verandert, ongeacht hoe je de machine of de danser verschuift. Ze noemen dit "Universele Invarianten".

• Voor de schroeven (Parameters): Als je een bepaalde combinatie van schroeven kunt veranderen zonder dat het geluid verandert, dan weet je: "Ah, die schroeven zijn niet los te koppelen. Ik kan ze niet apart vinden, maar ik kan wel hun som vinden."

  • Voorbeeld: Je kunt niet weten hoeveel suiker en hoeveel zout er in de soep zit, maar je weet wel dat de totaal smaak (suiker + zout) constant blijft. Dat is een identificeerbare combinatie.

• Voor de onderdelen (Toestanden): Dit is het nieuwe deel! Vaak kun je niet zien hoeveel er in een vat zit, maar als je de symmetrieën bekijkt, zie je dat een bepaalde combinatie van wat er in het vat zit en hoe snel het stroomt, wel zichtbaar is.

  • Voorbeeld: Je ziet niet direct hoeveel water er in een bad is (toestand), maar je ziet wel dat de combinatie van "water + het gat in de bodem" (parameter) precies bepaalt hoe het waterpeil verandert. Die combinatie is nu "zichtbaar" voor de wetenschapper.

5. Waarom is dit geweldig?

Stel je voor dat je een detective bent die een moord oplost.

• De oude methode: Je kijkt alleen naar het lijk (de uitkomst) en probeert te raden welk mes er gebruikt is. Soms lukt het, soms niet.
• De nieuwe methode: Je kijkt naar het lijk én naar de verdachte én naar de omgeving tegelijkertijd. Je zoekt naar patronen die altijd hetzelfde blijven, ongeacht hoe de verdachte beweegt of wat hij zegt.

Door deze nieuwe "Twee-in-één" symmetrieën te gebruiken, kunnen de auteurs nu:

1. Zeggen welke instellingen van een model precies te vinden zijn.
2. Zeggen welke onderdelen van het systeem (die je niet direct ziet) toch te reconstrueren zijn.
3. Zeggen welke combinaties van instellingen en onderdelen samen te vinden zijn.

Samenvatting in één zin

De auteurs hebben een nieuwe wiskundige sleutel gevonden die het mogelijk maakt om, door te kijken naar wat er niet verandert als je een systeem op een slimme manier herschikt, precies te weten welke onderdelen van dat systeem je kunt vertrouwen en welke je kunt zien, zelfs als je ze niet direct kunt aanraken.

Het is alsof je de "DNA-structuur" van een model ontdekt: je ziet welke delen essentieel en waarneembaar zijn, en welke delen onzichtbaar blijven, ongeacht hoe je eromheen draait.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het paper "Framing local structural identifiability and observability in terms of parameter-state symmetries" in het Nederlands.

Probleemstelling

In de analyse van mechanistische modellen, vaak beschreven door stelsels van gewone differentiaalvergelijkingen (ODE's), zijn structurele identificeerbaarheid en structurele observeerbaarheid fundamentele concepten.

• Identificeerbaarheid vraagt of modelparameters uniek bepaald kunnen worden uit perfecte kennis van de uitkomsten (outputs).
• Observeerbaarheid vraagt of de interne toestandsvariabelen (states) uniek gereconstrueerd kunnen worden uit de uitkomsten.

Bestaande methoden, zoals de standaard differentiaal-algebra benadering, elimineren de toestandsvariabelen om een uitkomst-systeem te vormen. Dit werkt goed voor globale identificeerbaarheid, maar is computatie intensief en minder geschikt voor het gelijktijdig analyseren van lokale identificeerbaarheid en observeerbaarheid. Eerdere werken gebruikten "volle symmetrieën" (full symmetries) uit de Lie-theorie om lokale eigenschappen te bestuderen, maar de exacte link tussen deze symmetrieën en de specifieke, lokaal identificeerbare parametercombinaties of observeerbare toestandscombinaties bleef onduidelijk. Er was behoefte aan een unificerend raamwerk dat zowel parameters als toestanden direct analyseert zonder het model eerst te herschrijven.

Methodologie

De auteurs introduceren een nieuwe subklasse van Lie-symmetrieën, genaamd parameter-toestand symmetrieën (parameter-state symmetries).

1. Definitie van Parameter-Toestand Symmetrieën:
   Dit zijn continue transformaties die zowel de toestandsvariabelen ($x$) als de parameters ($\theta$) beïnvloeden, maar de waargenomen uitkomsten ($y$) op elk tijdstip invariant houden. Een cruciale restrictie is dat de transformatie de onafhankelijke variabele (tijd $t$) niet verschuift ($\xi = 0$). Dit onderscheidt ze van algemene "volle symmetrieën" die ook tijdverschuivingen kunnen toestaan.

   • De transformatie wordt gegenereerd door een vectorveld $X$ met infinitesimals voor toestanden ($\eta_i$) en parameters ($\chi_\ell$).
   • De voorwaarden zijn:
     • Lineaire symmetriecondities voor het ODE-systeem: $X^{(1)}(dx/dt - f(t,x,\theta)) = 0$.
     • Uitkomst-invariantiecondities: $X(y) = 0$.

2. Differentiaal-invarianten en Universele Invarianten:
   De auteurs definiëren differentiaal-invarianten als functies die ongewijzigd blijven onder de actie van deze symmetrieën.

   • Universele invarianten zijn functies die invariant zijn onder alle mogelijke parameter-toestand symmetrieën van een gegeven model.
   • Deze worden onderverdeeld in:
     • Universele parameter-invarianten (afhankelijk alleen van $\theta$).
     • Universele toestands-invarianten (afhankelijk alleen van $x$).
     • Universele parameter-toestand-invarianten (afhankelijk van $\theta$ en $x$).

3. Theoretisch Kader:
   Het paper bewijst dat lokale structurele eigenschappen volledig gekarakteriseerd kunnen worden door deze universele invarianten. Dit vormt een brug tussen de abstracte Lie-symmetrie-theorie en de praktische analyse van modelkwaliteit.

Belangrijkste Bijdragen

• Unificatie van Identificeerbaarheid en Observeerbaarheid: Voor het eerst wordt een enkel symmetrie-gebaseerd raamwerk gepresenteerd dat zowel lokale structurele identificeerbaarheid van parameters als lokale structurele observeerbaarheid van toestanden simultaan analyseert.
• Theorema's over Universele Invarianten:
  • Stelling 1: Een parameter is lokaal structureel identificeerbaar dan en slechts dan als het een universele parameter-invariant is.
  • Stelling 2: Een toestand is lokaal structureel observeerbaar dan en slechts dan als het een universele toestands-invariant is.
  • Corollaria: Deze resultaten gelden ook voor combinaties van parameters en toestanden.
• Generalisatie van Bestaand Werk: De methode generaliseert eerdere resultaten over parameter-symmetrieën (die alleen op het geëlimineerde uitkomst-systeem werkten) naar het volledige model. Het bewijst dat de universele parameter-invarianten in beide benaderingen identiek zijn, maar de nieuwe methode voegt inzicht toe in de observeerbaarheid van toestanden.
• Vermijden van Model-Herschrijving: In tegenstelling tot de differentiaal-algebra methode, hoeft het ODE-systeem niet eerst te worden herschreven naar een hoger-orde uitkomst-systeem. De analyse gebeurt direct op het originele stelsel.

Resultaten en Case Studies

De auteurs illustreren de methode aan de hand van vier biologische modellen, waarbij de resultaten worden vergeleken met eerdere studies en bekende uitkomsten:

1. Ontkoppelde vervalmodel:

   • Toont aan dat de vervalsnelheid $\lambda$ identificeerbaar is, terwijl de vormingsraten $\kappa_1$ en $\kappa_2$ alleen in hun som identificeerbaar zijn.
   • De toestanden $u$ en $v$ zijn individueel niet observeerbaar, maar hun som ($u+v$) wel, wat overeenkomt met de waargenomen output.

2. Lineair model:

   • Parameters $a$ en $c$ zijn identificeerbaar.
   • De toestand $x$ (de output) is observeerbaar.
   • Nieuw inzicht: De combinatie $b \cdot z$ (parameter maal toestand) is ook lokaal observeerbaar, hoewel deze niet direct in de output voorkomt.

3. Glucose-Insuline model (niet-autonoom):

   • Bevestigt eerdere bevindingen over identificeerbaarheid ($p_1, p_3, V_p$ en het product $p_2 p_4$).
   • Nieuw inzicht: De toestand $x_1$ (glucose) is op zichzelf observeerbaar, ondanks dat de output $x_1/V_p$ is. Dit komt omdat $V_p$ identificeerbaar is. Ook de combinatie $p_2 x_2$ blijkt observeerbaar.

4. Epidemiologisch SEI-model (Tuberculose):

   • De analyse levert 7 universele parameter-invarianten op die overeenkomen met eerdere globale identificeerbaarheidsresultaten.
   • Nieuw inzicht: Het onwaargenomen vatbare deel van de populatie ($S$) is combineerbaar met de parameter $c$ tot een observeerbare grootheid ($S/c$). Dit toont aan dat observeerbare combinaties variabelen kunnen bevatten die niet direct gemeten worden.

Betekenis en Conclusie

Dit paper biedt een krachtige, wiskundig rigoureuze methode om de lokale structuur van mechanistische modellen te analyseren.

• Efficiëntie: Het elimineert de noodzaak voor complexe algebraïsche herschrijvingen die nodig zijn bij differentiaal-algebra methoden.
• Unificatie: Het koppelt de concepten van identificeerbaarheid en observeerbaarheid direct aan de symmetrie-eigenschappen van het model.
• Toepasbaarheid: Hoewel het oplossen van de lineaire symmetriecondities (PDE's) voor zeer grote of niet-lineaire systemen computatie intensief kan zijn, biedt de methode een theoretisch onderbouwd pad voor automatisering (bijv. via symbolische solvers zoals SymPy, zoals gebruikt in de SEI-analyse).
• Toekomstperspectief: De auteurs pleiten voor de ontwikkeling van geautomatiseerde tools die deze symmetrie-analyse integreren in bestaande software voor modelbouw, wat essentieel is voor het schaalbaar maken van deze analyse naar complexe biologische systemen.

Kortom, de auteurs hebben bewezen dat universele invarianten van parameter-toestand symmetrieën de sleutel zijn tot het volledig karakteriseren van lokale structurele identificeerbaarheid en observeerbaarheid, waardoor een nieuw, unificerend perspectief op dynamische systemen wordt geboden.