Resumo Técnico: Limites da Aprendizagem de Dinâmicas Lineares a partir de Experimentos

1. Formulação do Problema

O artigo aborda o problema fundamental de identificar os parâmetros $(A, B)$ de um sistema linear invariante no tempo (LTI) contínuo desconhecido a partir de trajetórias observadas de estado e entrada. O sistema é governado pela equação diferencial ordinária:
$$\dot{x}(t) = Ax(t) + Bu(t), \quad x(0) = x_0$$
onde $x(t) \in \mathbb{R}^n$ é o estado, $u(t) \in \mathbb{R}^m$ é a entrada de controle e $(A, B)$ são os parâmetros desconhecidos.

A teoria clássica de identificabilidade para sistemas LTI controlados estabelece que a controlabilidade do sistema e uma entrada persistentemente excitante (PE) são condições suficientes para recuperar unicamente $(A, B)$ a partir de um único experimento. No entanto, em muitos cenários práticos — particularmente em sistemas esparsos e de alta dimensão — a controlabilidade frequentemente falha. Quando a controlabilidade está ausente, permanece incerto se um único experimento pode determinar unicamente o sistema completo ou se apenas partes do sistema são recuperáveis. Além disso, a literatura existente carece de uma caracterização em forma fechada da identificabilidade para sistemas LTI não autônomos que não assuma controlabilidade.

O problema central é caracterizar a identificabilidade condicional ao experimento: determinar quais partes do sistema são unicamente determinadas por uma configuração experimental específica (definida por um estado inicial $x_0$ e uma entrada de controle $u$) e quais partes permanecem ambíguas.

2. Metodologia e Estrutura Teórica

Os autores desenvolvem uma estrutura geométrica e algébrica para analisar os limites da informação recuperável a partir de um único experimento $e = (x_0, u)$.

2.1 O Subespaço Visível

O conceito central introduzido é o Subespaço Visível, denotado $\mathcal{V}(x_0)$. Este é definido como o menor subespaço invariante sob $A$ que contém o estado inicial $x_0$ e a imagem da matriz de entrada $B$ (ou seja, $\text{Im}(B)$). Formalmente, é o span de Krylov:
$$\mathcal{V}(x_0) := \mathcal{K}_n(A, [x_0 \ B]) = \text{span}\left\{ [x_0 \ B], A[x_0 \ B], \dots, A^{n-1}[x_0 \ B] \right\}$$
Os autores provam um Lema de Confinamento de Órbita: independentemente da complexidade da entrada $u$, a trajetória de estado resultante $\phi(t)$ está estritamente confinada a $\mathcal{V}(x_0)$. Consequentemente, a dinâmica do sistema fora deste subespaço (no complemento "cego") não pode influenciar a trajetória observada.

2.2 Conjuntos Consistentes com o Experimento vs. Consistentes com o Projeto

O artigo distingue entre dois conjuntos de sistemas consistentes com as observações:

1. Conjunto Consistente com o Projeto $[A, B]_E$: O conjunto de todos os sistemas consistentes com a classe de experimentos (todas as entradas possíveis $u \in U$). Isso representa o limite estrutural da informação dada o estado inicial e as capacidades de entrada.
2. Conjunto Consistente com o Experimento $[A, B]_e$: O conjunto de todos os sistemas consistentes com um único experimento realizado $(x_0, u)$.

Os autores estabelecem um teorema de "Ponte": se a trajetória realizada for informativa (significando que o regressor conjunto do estado projetado e da entrada possui uma Gramiana de posto completo), então o conjunto de experimento único colapsa para o conjunto consistente com o projeto ($[A, B]_e = [A, B]_E$). Eles mostram que uma entrada persistentemente excitante de ordem suficiente garante essa informatividade.

2.3 Caracterização da Identificabilidade

Sob um experimento informativo, os autores derivam uma parametrização em forma fechada de todos os sistemas consistentes com os dados. Usando uma transformação de coordenadas $T$ que separa o subespaço visível $\mathcal{V}(x_0)$ de seu complemento $\mathcal{W}$, qualquer sistema consistente $(\tilde{A}, \tilde{B})$ deve satisfazer:

• $\tilde{B} = B$
• A restrição de $\tilde{A}$ ao subespaço visível é igual à restrição de $A$: $\tilde{A}|_{\mathcal{V}(x_0)} = A|_{\mathcal{V}(x_0)}$
• A dinâmica no complemento $\mathcal{W}$ e os termos de acoplamento cruzado podem ser arbitrários.

Assim, o sistema é totalmente identificável se e somente se $\mathcal{V}(x_0) = \mathbb{R}^n$ (ou seja, o subespaço visível abrange todo o espaço de estados). Caso contrário, apenas a dinâmica restrita ao subespaço visível é unicamente determinada.

2.4 Critérios Algébricos

Para quantificar a proximidade da não identificabilidade, o artigo propõe dois testes algébricos baseados no par aumentado $(A, [x_0 \ B])$:

1. Teste de Autovetor Esquerdo: A identificabilidade total falha se existir um autovetor esquerdo $w$ de $A$ tal que $w^\top x_0 = 0$ e $w^\top B = 0$. Uma margem $\mu_{\min}$ é definida para medir o alinhamento dos autovetores com as fontes de excitação.
2. Teste PBH de Experimento Fixo: Uma margem modificada Popov–Belevitch–Hautus (PBH) $d_{\text{PBH}}(A, B | x_0)$ é derivada, medindo a distância à perda de identificabilidade dado o $x_0$ fixo.

3. Principais Contribuições

1. Teorema de Identificabilidade Parcial: O artigo prova que, mesmo quando o sistema completo não é identificável, a dinâmica restrita ao subespaço visível $\mathcal{V}(x_0)$ é unicamente determinada por um único experimento informativo.
2. Parametrização em Forma Fechada: Fornece uma descrição explícita do conjunto de todos os sistemas consistentes com um dado experimento, caracterizando os graus de liberdade no subespaço não identificável.
3. Critérios Algébricos para Identificabilidade: Introduz métricas computáveis ($\mu_{\min}$ e $d_{\text{PBH}}$) para testar a identificabilidade total e quantificar a robustez do problema de identificação.
4. Extensão para Sistemas Controlados: Diferentemente de trabalhos anteriores focados em sistemas autônomos, esta estrutura desentrelaça explicitamente os papéis do estado inicial e da entrada de controle em sistemas LTI controlados.

4. Resultados Experimentais

Os autores validam suas descobertas teóricas em sistemas LTI esparsos sintéticos, que são propensos a falhas de controlabilidade.

• Controlabilidade vs. Identificabilidade: Os experimentos mostram que, à medida que a esparsidade aumenta, a fração de sistemas controláveis cai significativamente. No entanto, a identificabilidade é mostrada como condicional ao experimento: estados iniciais densos podem tornar um sistema incontrolável totalmente identificável, enquanto estados iniciais esparsos podem levar a uma identificabilidade parcial.
• Recuperação de Subsistemas: O artigo avalia quatro métodos de identificação (DMDc, MOESP, SINDy e Equações Diferenciais Neurais) em sistemas esparsos.
  • Resultado: Todos os métodos recuperam com sucesso o subsistema visível (a restrição a $\mathcal{V}(x_0)$) com erro próximo de zero, mesmo quando o sistema completo não é identificável.
  • Contraste: O erro na recuperação do sistema completo ($REE_{\text{full}}$) permanece afastado de zero, refletindo a ambiguidade estrutural no subespaço não excitado.
  • Robustez ao Ruído: À medida que o ruído de observação aumenta, o erro no subsistema visível permanece menor que o erro do sistema completo, embora as Equações Diferenciais Neurais (NODEs) exibam erros maiores em geral devido a desafios de otimização em comparação com estimadores em forma fechada.

5. Significado e Alegações

O artigo alega resolver uma lacuna na literatura regarding a identificabilidade de sistemas LTI não autônomos sem assumir controlabilidade. Seu significado principal reside em mudar a perspectiva de "o sistema é identificável?" para "o que é identificável dado este experimento específico?".

Os autores argumentam que:

• Garantias clássicas (controlabilidade + PE) são frequentemente muito restritivas para sistemas esparsos e de alta dimensão.
• Os praticantes devem interpretar conclusões mecanicistas relativas ao subespaço visível induzido pelo seu desenho experimental.
• Qualquer alegação sobre dinâmicas fora do subespaço visível é injustificada, independentemente de quão bem um modelo se ajusta aos dados de treinamento.
• Os critérios algébricos propostos permitem aos praticantes quantificar a "incerteza epistêmica" de sua tarefa de identificação antes ou após a execução de um experimento.

O trabalho não propõe novos algoritmos de estimação, mas fornece uma lente teórica para entender os limites dos métodos existentes e o conteúdo informativo fundamental dos dados experimentais.