Multiscaling in Wasserstein Spaces

Título: Multiescalamento em Espaços de Wasserstein

1. Problema e Motivação

Os espaços de Wasserstein de medidas de probabilidade tornaram-se fundamentais em áreas como processamento de imagens, aprendizado profundo e biologia celular, oferecendo uma estrutura geométrica rica para analisar a evolução de distribuições. No entanto, a análise multiescala (multiscale analysis) dentro desses espaços permanece um campo pouco explorado.

• O Desafio: Métodos tradicionais de análise multiescala (como wavelets e esquemas de subdivisão) foram desenvolvidos para espaços vetoriais euclidianos. Aplicá-los diretamente a sequências de medidas de probabilidade é complexo devido à não-linearidade do espaço de Wasserstein e à ausência de uma estrutura linear simples.
• A Necessidade: Existe uma lacuna para ferramentas que permitam decompor sequências de medidas em diferentes escalas (aproximações grosseiras e detalhes), permitindo tarefas como denoising (remoção de ruído), detecção de anomalias e caracterização de dinâmicas complexas, preservando a geometria intrínseca do transporte ótimo.

2. Metodologia

Os autores propõem um novo framework de multiescalamento adaptado à geometria dos espaços de Wasserstein ($P_p(\mathbb{R}^d)$). A abordagem é construída sobre os seguintes pilares:

A. Operadores Binários e Geometria

Para realizar operações de "adição" e "subtração" entre medidas, os autores definem dois operadores baseados no transporte ótimo:

• Operador de Subtração ($\nu \ominus \mu$): Define a diferença entre duas medidas como o mapa de Monge (ou plano de transporte) que transporta $\mu$ para $\nu$, menos a identidade. Isso mapeia a diferença para o espaço tangente do espaço de Wasserstein.
• Operador de Adição ($\mu \oplus \psi$): Projeta um vetor do espaço tangente (um mapa mensurável) de volta para o espaço de medidas, utilizando o empurrão (pushforward) da medida original.
• Interpolação de McCann: Utilizam os interpolantes de McCann (geodésicas de velocidade constante) para definir um operador de refinamento (upsampling). Este operador gera medidas intermediárias entre duas medidas dadas, preservando a estrutura geodésica.

B. O Transformado Multiescala

O framework adapta o esquema de subdivisão elementar para o contexto de medidas:

1. Decomposição (Análise): Dada uma sequência de medidas $\mu^{(J)}$, aplica-se um operador de downsampling para obter uma aproximação grosseira $\mu^{(J-1)}$. Em seguida, calculam-se os coeficientes de detalhe ($\psi^{(J)}$) como a diferença entre a sequência original e a versão refinada da aproximação grosseira:
   $$\psi^{(\ell)} = \mu^{(\ell)} \ominus S\mu^{(\ell-1)}$$
   Onde $S$ é o operador de refinamento baseado em McCann.
2. Síntese (Reconstrução): A sequência original é perfeitamente reconstruída aplicando iterativamente o operador de adição aos detalhes e à aproximação grosseira.
3. Versatilidade: O método é aplicado tanto a medidas absolutamente contínuas (usando mapas de Monge únicos) quanto a medidas discretas (usando matrizes de acoplamento de transporte ótimo).

C. Número de Otimalidade

Os autores introduzem uma nova métrica escalar chamada Número de Otimalidade ($\omega$).

• Definição: É a soma das normas dos coeficientes de detalhe em todas as escalas.
• Interpretação: Quantifica o desvio de uma sequência de medidas em relação a um fluxo geodésico (ótimo) no espaço de Wasserstein.
  • $\omega = 0$: A sequência segue exatamente uma geodésica de velocidade constante.
  • $\omega > 0$: Indica irregularidades, ruído ou dinâmicas não ótimas. Quanto maior o valor, maior a desvio da otimalidade.

3. Contribuições Principais

1. Framework Teórico Unificado: Estabelecimento de um esquema de subdivisão e transformada wavelet-like para espaços de Wasserstein, válido para medidas contínuas e discretas.
2. Definição de Operadores Geométricos: Formalização rigorosa de adição e subtração de medidas via transporte ótimo, permitindo a construção de pirâmides de análise.
3. Métrica de Diagnóstico: Criação do "Número de Otimalidade" para detectar anomalias e avaliar a suavidade de dinâmicas de medidas.
4. Garantias Teóricas:
   • Decaimento Geométrico: Prova de que, se a sequência de medidas é amostrada de uma curva absolutamente contínua com derivada métrica finita, os coeficientes de detalhe decaem geometricamente com a escala (Teorema 5.2).
   • Estabilidade: Demonstração de que pequenas perturbações nos coeficientes de detalhe resultam em erros proporcionais na reconstrução da sequência (Teorema 5.3).

4. Resultados Experimentais

Os autores validaram o método através de três cenários numéricos distintos:

• Fluxos de Medidas Gaussianas (Contínuas):

  • Demonstraram a aplicação em curvas de distribuições gaussianas, onde o transporte ótimo tem forma fechada.
  • Denoising: Ao adicionar ruído a uma curva suave, os coeficientes de detalhe em altas escalas aumentaram significativamente. Ao zerar esses coeficientes (thresholding), a curva foi restaurada com sucesso.
  • Detecção de Anomalias: Descontinuidades (saltos) na evolução da média ou variância foram detectadas como picos nos coeficientes de detalhe.
  • Cálculo de $\omega$: Mostraram que o número de otimalidade aumenta conforme a curva se afasta da geodésica ideal.

• Dinâmica de Nuvens de Pontos (Discretas):

  • Simularam a evolução de uma nuvem de pontos sob um campo vetorial elétrico (Lei de Coulomb).
  • O método capturou a suavidade do fluxo geodésico (decaimento dos coeficientes) e identificou regiões de alta velocidade (próximo às cargas) através de normas maiores nos detalhes.
  • A adição de ruído ao movimento das partículas resultou em um aumento drástico no número de otimalidade e na perda do padrão de decaimento geométrico.

• Trajetórias de Aprendizado de Redes Neurais:

  • Analisaram a evolução das distribuições de saída de uma CNN treinada no MNIST.
  • O transformado multiescala revelou que a dinâmica de aprendizado segue um caminho suave no espaço de alta dimensão (decaimento geométrico dos detalhes), enquanto flutuações estocásticas aparecem apenas nas escalas mais finas.
  • Sugerem que o número de otimalidade pode servir como uma métrica de avaliação para modelos generativos baseados em fluxo (flow-based models).

5. Significado e Impacto

Este trabalho preenche uma lacuna teórica crucial ao trazer ferramentas de análise multiescala (semelhantes a wavelets) para o domínio não-linear das medidas de probabilidade.

• Aplicabilidade Prática: Oferece uma ferramenta robusta para limpar dados de medidas (denoising), detectar falhas ou comportamentos anômalos em sistemas dinâmicos e analisar a eficiência de algoritmos de aprendizado de máquina.
• Interpretabilidade: O "Número de Otimalidade" fornece uma métrica escalar intuitiva para avaliar a qualidade de trajetórias em espaços de transporte ótimo, algo que antes dependia de análises visuais ou métricas complexas.
• Futuro: Abre caminho para o desenvolvimento de novos algoritmos de aprendizado profundo que otimizam diretamente a geometria do transporte ótimo e para a análise de dados complexos em geofísica e biologia.

Em resumo, o artigo apresenta uma metodologia matematicamente rigorosa e computacionalmente viável para decompor e analisar a evolução de distribuições de probabilidade, combinando a teoria do transporte ótimo com a análise multiescala clássica.