A Kuramoto-von Mises Time Series Model for Probabilistic Modeling of Coupled Oscillators

Technische Samenvatting: Een Kuramoto–von Mises Tijdreeksmodel voor Probabilistische Modellering van Gekoppelde Oscillatoren

Probleemstelling
Gekoppelde oscillatoren vormen een fundamenteel kader voor het modelleren van fysieke en biologische verschijnselen, variërend van eiwitvouwing en neurale synchronisatie tot de langzame golfactiviteit van het maag-darmstelsel. Bestaande methoden voor het schatten van de waarschijnlijkheidsverdelingen van multivariate fase-relaties in deze systemen vertrouwen doorgaans op evenwichtsthermodynamica, waarbij het systeem wordt uitgedrukt via een Boltzmann-vormige paren exponentiële familieverdeling. Deze benaderingen zijn echter afhankelijk van twee kritieke aannames die in real-world systemen vaak worden geschonden: (i) de koppelingsmatrix is symmetrisch, en (ii) het systeem heeft thermodynamisch evenwicht bereikt. Veel biologische netwerken vertonen inherent asymmetrische interacties (bijv. exciterende/inhibitoire synaptische verbindingen) en worden gedreven door externe inputs, waardoor ze zich in niet-evenwichtregimes bevinden. Bijgevolg kunnen evenwichtsgebaseerde formuleringen leiden tot beperkte of vertekende karakteriseringen van de onderliggende dynamiek.

Methodologie
De auteurs stellen een methode voor om onderliggende faseverdelingen te schatten zonder uit te gaan van symmetrische connectiviteit of een evenwichtstoestand. De aanpak is gebaseerd op de volgende theoretische en algoritmische fundamenten:

1. Stochastische Kuramoto-formulering: Het model breidt het deterministische Kuramoto-model uit naar een stochastische differentiaalvergelijking (SDE) met behulp van Langevin-dynamica. Deze formulering incorporeert tijdsvertragingen en modelleert de continue-tijd evolutie van oscillatorfasen $Y_t$ met additieve Gaussische ruis.
2. Von Mises-benadering: Door de tijd te discretiseren in kleine intervallen $\Delta$, wordt de conditionele verdeling van de fase op tijdstip $t+\Delta$ gegeven de historie benaderd. Omdat de fase circulair is ($[0, 2\pi]$), wordt de gewikkelde Gaussische verdeling die voortvloeit uit de SDE benaderd door een von Mises-verdeling. De gemiddelde richting van deze verdeling wordt bepaald door de intrinsieke frequentie en de koppelingstermen, terwijl de concentratieparameter omgekeerd evenredig is aan de ruisvariantie en de tijdstap.
3. Hoge Sampelrate-benadering: Een belangrijke vereenvoudiging wordt toegepast onder de aanname van hoge samplingsfrequenties ($\Delta \ll 1$). Met behulp van Taylor-benaderingen voor sinus- en cosinusfuncties, waar de invloed van koppeling klein is, wordt de log-likelihood functie gelineariseerd. Dit transformeert het maximum likelihood schattingsprobleem (MLE) naar een gesloten vorm algebraïsche oplossing die gebruikmaakt van lineaire algebra-operaties, waardoor iteratieve convexe optimalisatie-solvers worden vermeden.
4. Parameterchatting: De methode schat koppelingsparameters ($\kappa_{ij}$) en fasevertragingen ($\mu_{ij}$) door een scheidbaar kwadratisch optimalisatieprobleem voor elke oscillator op te lossen. De auteurs bieden ook een procedure om de ruisvariantie $\sigma^2$ te schatten en demonstreren hoe men symmetrische connectiviteitsrestricties kan afdwingen indien gewenst, hoewel het algemene kader dit niet vereist.

Belangrijkste Bijdragen

• Niet-evenwichtsmodellering: Het artikel introduceert een probabilistisch kader dat geen vereiste stelt aan een thermodynamisch evenwicht of symmetrische koppeling, waarmee een aanzienlijke beperking van voorgaande Boltzmann-gebaseerde benaderingen wordt geadresseerd.
• Gesloten Oplossing: De auteurs leiden een maximum likelihood estimator af die een gesloten vorm algebraïsche oplossing toelaat in het regime van hoge samplingsfrequenties, wat de methode computationeel efficiënt maakt en gemakkelijk toepasbaar op moderne hoogfrequente data-acquisitiesystemen.
• Verenigd Kader: De aanpak verenigt zowel evenwichts- als niet-evenwichtsregimes binnen één enkele Langevin-gebaseerde formulering.

Resultaten
De auteurs evalueren de methode met behulp van zowel synthetische data als real-world elektrofysiologische opnames:

• Synthetische Graaf-reconstructie: In simulaties van symmetrische, evenwichtssystemen herstelt de voorgestelde methode de connectiviteitsstructuren met een nauwkeurigheid die vergelijkbaar is met de state-of-the-art ISO-methode (die evenwicht veronderstelt). In asymmetrische, niet-evenwichtssystemen presteert de voorgestelde methode aanzienlijk beter dan de ISO-methode, die faalt in het vastleggen van de asymmetrische structuur, terwijl standaard lineaire regressie slecht presteert over alle dimensies.
• Classificatie van Voortbewegende Golven: De methode wordt toegepast op gesimuleerde 2D planaire voortbewegende golven. Met behulp van log-likelihood ratio tests classificeert het model succesvol golven die in verschillende richtingen voortbewegen, waarbij de classificatieprestatie (AUC) verbetert naarmate het verschil in voortbewegingsrichting groter wordt.
• Gastrische Elektrogastrographie (EGG): Toegepast op menselijke maagopnames, detecteert het model veranderingen in gastrische voortbewegende golven vóór en na de maaltijden. Bij gezonde controlepersonen identificeert het model een toename van lokale connectiviteit tijdens digestieve perioden. Bij patiënten met gastroparese of functionele dyspepsie legt het model een pathologische afwezigheid van verandering in connectiviteit tussen de pre- en post-maaltijdtoestanden vast.
• Intracraniële EEG: De methode wordt toegepast op DBS-data (Deep Brain Stimulation) uit de orbitofrontale cortex. Het legt significante veranderingen in netwerkconnectiviteit vast tijdens en na stimulatie, waarbij een afname van connectiviteit tijdens stimulatie en een rebound-toename daarna wordt waargenomen, wat consistent is met de waargenomen veranderingen in theta-power.

Betekenis en Claims
Het artikel claimt dat het voorgestelde Kuramoto–von Mises tijdreeksmodel een robuust en generaliseerbaar alternatief biedt voor bestaande evenwichtsgebaseerde methoden. Door gebruik te maken van de hoge samplingsfrequenties die gebruikelijk zijn in moderne data-acquisitiesystemen, biedt het een computationeel efficiënte, gesloten vorm oplossing voor het schatten van koppelingsstructuren in zowel evenwichts- als niet-evenwichtsregimes. De auteurs benadrukken dat hoewel de methode steunt op een kleine-hoek-benadering (gerechtvaardigd door hoge samplingsfrequenties ten opzichte van intrinsieke frequenties), het erin slaagt dynamische verschijnselen zoals voortbewegende golven en pathologische connectiviteitspatronen in biologische systemen waar traditionele evenwichtsveronderstellingen falen, succesvol te karakteriseren. Het werk suggereert dat dit kader een schaalbare en interpreteerbare analyse van hoogdimensionale gekoppelde oscillator-systemen mogelijk maakt zonder de restrictieve aannames van symmetrie of evenwicht.