Koopman Representations for Early Outbreak Warning and Minimal Counterfactual Intervention in Multi-Agent Epidemic Simulations

Technische Samenvatting: Koopman-Representaties voor Vroege Uitbraakwaarschuwing en Minimale Contrafactuele Interventie

Probleemstelling
Het artikel adresseert de uitdaging van het voorspellen en beheersen van epidemische uitkomsten in complexe, multi-agent systemen nabij kritieke kantelpunten. In regimes waar de overdraagbaarheid noch laag genoeg is om uitsterven te garanderen, noch hoog genoeg om een wijdverbreide uitbraak te garanderen, is de uiteindelijke uitkomst (gecontroleerde verspreiding versus grote uitbraak) zeer gevoelig voor kleine verstoringen in beginvoorwaarden, timing of lokale interacties. Traditionele geaggregeerde compartimentmodellen (bijv. SIR) verdoezelen vaak individuele heterogeniteit en ruimtelijke contactstructuren, terwijl agentgebaseerde modellen (ABM's) hoogdimensionale, niet-lineaire dynamica genereren die moeilijk te samenvatten of vroeg te voorspellen zijn. Het kernprobleem is tweeledig: (1) Kunnen vroege, geaggregeerde observaties van een zich ontwikkelende epidemische traject betrouwbaar voorspellen of het systeem een drempel voor een grote uitbraak zal overschrijden? en (2) Als een traject wordt voorspeld als gevaarlijk, kunnen minimale, gelokaliseerde contrafactuele interventies (bijv. het beperken van de mobiliteit van één agent voor één dag) de langetermijntraject van het systeem veranderen om de uitbraak te voorkomen?

Methodologie
De auteurs stellen een computeraar kader met drie componenten voor:

1. Multi-Agent Epidemie Simulator:

   • Omgeving: Een ruimtelijk rooster ($50 \times 50$) met 200 buiten-rooster huislocaties en 500 agenten.
   • Dynamica: Agenten volgen vaste dagelijkse routines met faseverschuivingen, wat heterogene contactpatronen creëert. Overdracht vindt plaats via co-lokatie in roostercellen.
   • Ziekteprogressie: Agenten hebben heterogene vatbaarheids- en immuniteitscategorieën (sterk, gemiddeld, laag, gecompromitteerd), die individuele virale ladingscurven dictëren. Virale lading bepaalt besmettelijkheid en gedragsbeperkingen (bijv. agenten met hoge virale ladingen worden huisgebonden).
   • Overdracht: Een deterministische drempelregel gebaseerd op het product van de virale lading van de bron en de vatbaarheid van het doelwit.
   • Observabelen: Het systeem registreert dagelijkse geaggregeerde tellingen (vatbaar, geïnfecteerd, hersteld, dood, nieuwe gevallen, mobiel versus huisgebonden geïnfecteerden) in plaats van volledige microscopische toestanden voor de voorspellingstaak.

2. Koopman-Representatie en Vroege Waarschuwing:

   • Koopman-Leren: De auteurs leren een laagdimensionale latente representatie ($z_d \in \mathbb{R}^6$) van vroege epidemische trajecten (5-dagen vensters) met behulp van een neurale encoder. De dynamica in deze latente ruimte wordt benaderd door een lineaire transitiematrix ($A$), wat kortetermijnvoorspelling ($h=5$ dagen) mogelijk maakt via $z_{d+1} \approx A z_d$.
   • Trainingsdoel: Het model minimaliseert reconstructieverlies, latente lineariteitsverlies en meerstapsvoorspellingsverlies.
   • Classificatie: Een Random Forest-classificator gebruikt kenmerken afgeleid van het vroege observatievenster (directe statistieken) en de Koopman-late ruimte (latente coördinaten en voorspellingen) om de waarschijnlijkheid van een grote uitbraak te voorspellen (gedefinieerd als een finale aanvalsrate $\rho \ge 0.3$).

3. Contrafactuele Interventie:

   • Protocol: Voor trajecten die als hoog-risico worden voorspeld, voert het systeem contrafactuele simulaties uit. Een enkele agent wordt in quarantaine gedwongen (gedwongen thuis te blijven) voor één geselecteerde dag, terwijl alle andere parameters (willekeurige zaden, beginvoorwaarden, routines) identiek blijven aan de baseline.
   • Maten: Het succes van de interventie wordt gemeten aan de reductie in finale aanvalsrate ($\Delta \rho$) en piek aantal geïnfecteerden. Een interventie wordt als "uitbraakpreventief" beschouwd als deze de finale aanvalsrate verschuift van $\ge 0.3$ naar $< 0.3$.

Belangrijkste Bijdragen

• Koopman-gebaseerde Vroege Waarschuwing: Het artikel demonstreert dat Koopman-operatorlering hoogdimensionale, niet-lineaire multi-agent epidemische trajecten effectief kan comprimeren tot een laagdimensionale latente ruimte die informatie behoudt die relevant is voor langetermijneffecten.
• Kenmerkenintegratie: Het toont aan dat Koopman-afgeleide kenmerken (latente toestanden en voorspellingen) even informatief zijn als directe epidemiologische samenvattingen (bijv. actieve infectietellingen) voor het classificeren van uitbraakrisico, met hoge nauwkeurigheid bij korte observatievensters.
• Analyse van Minimale Interventie: De studie biedt een systematische methode om de modificeerbaarheid van bijna-kritieke trajecten te testen. Het stelt vast dat minimale verstoringen (één agent, één dag) de regime van het systeem kwalitatief kunnen veranderen, verschuivend van een grote uitbraak naar uitsterven, mits de interventie plaatsvindt voordat de transmissieketen zelfonderhoudend wordt.
• Karakterisering van Kantelpunten: Het werk karakteriseert het "bijna-kritieke" regime waar vergelijkbare parameterinstellingen divergente uitkomsten opleveren, met de nadruk op de gevoeligheid van het systeem voor specifieke contactsequenties in plaats van alleen geaggregeerde overdrachtsraten.

Experimentele Resultaten

• Dataset: 10.200 simulatieruns werden gegenereerd met vatbaarheidsparameters die nauw werden afgezwepen rond een overgangspunt (1,3015–1,3025), wat resulteerde in een bijna gebalanceerde dataset van gecontroleerde (4.825) en grote uitbraak (5.375) runs.
• Voorspellingsprestaties:
  • Het Koopman-model alleen bereikte een ROC AUC van 0,9980 op run-niveau.
  • De Random Forest-classificator, die zowel directe als Koopman-afgeleide kenmerken gebruikte, bereikte een testnauwkeurigheid van 0,9958 en een ROC AUC van 0,9999 op vastgehouden 5-dagen vensters.
  • Analyse van kenmerkenbelang bevestigde dat Koopman-afgeleide kenmerken significant bijdroegen (22,49%) aan de classificatie, vergelijkbaar met directe geïnfecteerde reekskenmerken (23,57%).
• Interventie-uitkomsten:
  • In illustratieve contrafactuele gevallen voorkwam een een-dag quarantaine van een geselecteerde agent succesvol grote uitbraken in meerdere gevallen, waarbij de finale aanvalsrate werd gereduceerd van ~0,69 tot bijna nul.
  • In andere gevallen vertraagde hetzelfde type interventie alleen de epidemische piek of verlaagde het de maximale actieve last zonder de finale uitbraak te voorkomen, wat aantoont dat de effectiviteit van minimale interventies sterk afhankelijk is van de specifieke dynamische positie van het traject.

Betekenis en Aanspraken
Het artikel claimt een computeraar kader te bieden voor het bestuderen van fase-overgang-achtig gedrag in multi-agent systemen. De primaire betekenis ligt in het gezamenlijk gebruik van vroege voorspelling en contrafactuele simulatie:

1. Identificatie van Modificeerbare Trajecten: Het kader identificeert trajecten waar de uitkomst nog niet vooraf bepaald is en gevoelig blijft voor kleine verstoringen.
2. Levensvatbaarheid van Minimale Interventie: Het demonstreert dat in bijna-kritieke regimes, extreem gelokaliseerde en tijdelijke interventies voldoende kunnen zijn om een systeem weg te leiden van een catastrofale uitkomst, wat de notie uitdaagt dat alleen brede, populatie-brede maatregelen effectief zijn.
3. Methodologische Brug: Het werk overbrugt niet-lineaire dynamica, spectrale analyse (via Koopman-operatoren) en datagedreven besluitvorming, en toont aan dat geleerde latente representaties kunnen dienen als zowel voorspellingsinstrumenten als bronnen van kenmerken voor interventieplanning.

De auteurs stellen expliciet dat dit een gecontroleerde computera studie is met geabstraheerde agenten en vereenvoudigde overdrachtsregels. Zij claimen niet dat de resultaten een gekalibreerd epidemiologisch besluitvormingssysteem voor real-world toepassing vormen, maar eerder een proof-of-concept voor het analyseren van kantelpunten en interventiegevoeligheid in complexe adaptieve systemen. Toekomstig werk wordt gesuggereerd om rijkere aannames (vaccinatie, gedetailleerde netwerken) en kosten-beperkte beleidslijnen op te nemen.