Leveraging Gauge Freedom for Learning Non-Gradient Population Dynamics of Stochastic Systems

Resumo Técnico: Aproveitando a Liberdade de Gauge para Aprender Dinâmicas Populacionais Não-Gradientes de Sistemas Estocásticos

1. Formulação do Problema

O artigo aborda o desafio de inferir dinâmicas em nível populacional para sistemas estocásticos onde as trajetórias individuais não são observadas ou são intrinsecamente imprevisíveis (por exemplo, sistemas caóticos ou turbulentos). A entrada consiste em amostras independentes extraídas das distribuições de marginais temporais $\rho_t$ em pontos de tempo discretos $t \in [0, T]$. O objetivo é aprender um campo de velocidade dependente do tempo $u_t: X \to \mathbb{R}^d$ tal que o fluxo induzido por $u_t$ transporte a distribuição inicial $\rho_0$ para a sequência observada de marginais $(\rho_t)_{t \in [0, T]}$.

Uma dificuldade fundamental neste cenário é que a equação da continuidade, $\partial_t \rho_t + \nabla \cdot (\rho_t u_t) = 0$, fornece apenas uma restrição subdeterminada sobre o campo de velocidade. A equação restringe apenas a divergência ponderada por $\rho_t$ do fluxo, deixando os componentes livres de divergência (solenoidais) do campo de velocidade sem restrição. Esta "liberdade de gauge" implica que infinitos campos de velocidade podem produzir a mesma evolução dos marginais temporais.

Metodologias existentes frequentemente resolvem esta não-uniqueness codificando rigidamente uma escolha específica de gauge: minimizar a energia cinética. Este princípio de seleção, enraizado na teoria do transporte ótimo, força o campo de velocidade a ser um gradiente de um potencial escalar ($u_t = \nabla s_t$). Embora ótimo em termos de energia cinética, esta restrição de gradiente impõe um viés indutivo que pode ser prejudicial quando as dinâmicas subjacentes envolvem componentes rotacionais significativos (por exemplo, sistemas hamiltonianos ou fluidos incompressíveis). A imposição de uma estrutura de gradiente sobre dinâmicas rotacionais pode resultar em potenciais altamente oscilatórios e patológicos que são difíceis de representar e aprender, levando a uma baixa precisão distribucional.

2. Metodologia: Fluxos de Inferência Não-Gradientes (NGIF)

Os autores propõem os Fluxos de Inferência Não-Gradientes (NGIF), um algoritmo que desacopla a tarefa de ajustar os marginais temporais da tarefa de selecionar um campo de velocidade específico.

Formulação Fraca da Equação da Continuidade:
Em vez de impor a equação da continuidade ponto a ponto, o NGIF utiliza uma formulação fraca (baseada em momentos). Para um conjunto de funções de teste $\Phi$, o método exige que a taxa de variação do valor esperado de qualquer função de teste $\phi \in \Phi$ sob o marginal $\rho_t$ corresponda ao transporte previsto pelo campo de velocidade candidato:
$$\frac{d}{dt} \mathbb{E}_{x \sim \rho_t}[\phi(x)] = \mathbb{E}_{x \sim \rho_t}[\nabla \phi(x) \cdot u_t(x)]$$
Esta identidade é derivada integrando a equação da continuidade contra funções de teste e aplicando integração por partes.

Função de Perda Empírica e Características de Fourier Aleatórias:
Para operacionalizar esta restrição, os autores empregam funções de teste de características de Fourier aleatórias. As frequências $\omega$ são amostradas de uma distribuição $\nu$ (utilizando larguras de banda multiescala para capturar estruturas em diferentes resoluções), gerando funções de teste da forma $\sin(\omega^\top x)$ e $\cos(\omega^\top x)$.
A perda empírica minimiza o resíduo da equação da continuidade fraca sobre estas funções de teste. Crucialmente, as derivadas temporais dos momentos são estimadas via splines de suavização ajustados aos momentos empíricos dos dados de treinamento, permitindo pré-cálculo e redução de variância.

Regularização Explícita de Gauge:
Em vez de restringir a classe de hipóteses a campos de gradiente, o NGIF introduz um regularizador de gauge explícito $G(u)$ no objetivo de otimização:
$$\min_{u} \mathcal{L}(u) + \lambda G(u)$$
onde $\mathcal{L}(u)$ é a perda de resíduo da continuidade fraca. Isso permite que o usuário selecione entre uma ampla família de viéses estruturais. O artigo propõe três regularizadores específicos:

1. Energia Cinética ($G_{KIN}$): Minimiza $\int \|u_t\|^2 \rho_t$, recuperando a abordagem padrão baseada em gradiente, mas como uma penalidade suave em vez de uma restrição rígida.
2. Penalidade de Rotação ($G_{CURL}$): Penaliza a parte antissimétrica do Jacobiano, desencorajando a rotação e tendendo a dinâmicas semelhantes a gradientes sem impor uma parametrização de potencial.
3. Penalidade de Divergência ($G_{DIV}$): Penaliza $\nabla \cdot u_t$, promovendo fluxos aproximadamente incompressíveis. Isso é particularmente útil para transporte tipo fluido onde as dinâmicas verdadeiras são livres de divergência.

Ao utilizar uma rede neural para parametrizar $u_t$ diretamente (em vez de um potencial $s_t$), o método evita as complexidades computacionais de retropropagação através de derivadas espaciais de um potencial e permite a aprendizagem de campos não-gradientes.

3. Contribuições Principais

O artigo delineia três contribuições primárias:

1. Desacoplamento do Ajuste de Marginais e Fixação de Gauge: Os autores formulam a inferência de dinâmicas populacionais usando restrições de continuidade fracas, separando o ajuste dos marginais temporais da seleção da estrutura do campo de velocidade. A não-uniqueness é abordada por meio de um regularizador de gauge explícito e escolhido pelo usuário.
2. Restrições Fracas Escaláveis: O método instancia as restrições fracas utilizando funções de teste de características de Fourier aleatórias, resultando em uma função de perda computacionalmente eficiente e escalável.
3. Aprendizagem Não-Gradiente: A abordagem permite a aprendizagem de campos de velocidade não-gradientes, o que melhora a representabilidade e a estabilidade. Demonstra-se que relaxar a restrição de gradiente leva a uma inferência de dinâmicas populacionais mais precisa em comparação com baselines restritas a gradientes.

4. Resultados Experimentais

Os autores avaliam o NGIF em uma variedade de problemas de física de baixa e alta dimensão:

• Exemplo de Gigli (Dinâmicas Rotacionais): Em uma configuração onde componentes gaussianos rotacionam em um círculo, métodos baseados em gradiente falham em capturar o movimento rotacional simples, produzindo, em vez disso, potenciais altamente oscilatórios. O NGIF com um regularizador de rotação recupera com precisão o campo de velocidade rotacional suave, com apenas um aumento marginal na energia cinética em comparação com a solução ótima baseada em gradiente.
• Partículas Rastreadoras em Fluxo Turbulento: Em um fluxo turbulento forçado por Kolmogorov (onde a verdade fundamental é livre de divergência), o NGIF com um regularizador de divergência ($G_{DIV}$) produz trajetórias de partículas e reconstruções de densidade que correspondem estreitamente à verdade fundamental. As baselines baseadas em gradiente (Action Matching, DICE, HOAM) performam significativamente pior.
• Instabilidades Vlasov-Poisson: Em problemas de dois feixes, bump-on-tail e amortecimento de Landau forte, variantes do NGIF superam métodos baseados em gradiente de última geração (AM, HOAM, DICE) na previsão da evolução da energia elétrica. O regularizador de divergência permite um movimento de partículas mais rico, melhorando a precisão da distribuição final.
• Turbulência de Alta Dimensão: Em uma simulação de campo de vorticidade 128x128, o NGIF aplicado a um espaço latente captura com precisão o decaimento da enstrofia (uma medida estatística do fluxo), demonstrando que o fluxo aprendido reproduz estatísticas populacionais salientes mesmo quando as trajetórias individuais são caóticas e irrecuperáveis.

5. Significado e Alegações

O artigo alega que a inferência de dinâmicas populacionais é inerentemente subdeterminada, e a escolha do gauge é uma decisão de modelagem, e não uma busca por uma solução universalmente correta. O significado do NGIF reside em sua capacidade de:

• Evitar Alvos Patológicos: Ao não codificar rigidamente o gauge de energia cinética mínima/gradiente, o método evita a necessidade de aprender potenciais altamente oscilatórios que surgem ao forçar estruturas de gradiente sobre dinâmicas rotacionais.
• Incorporar Priors Físicos: Fornece um framework modular para incorporar conhecimento físico específico (por exemplo, incompressibilidade) diretamente através da escolha do regularizador de gauge, sem exigir fluxos de referência ou dados de velocidade em nível de amostra.
• Melhorar a Precisão Distribucional: Os experimentos sugerem que, para sistemas com transporte não-potencial, abordagens não-gradientes produzem precisão distribucional superior em comparação com baselines restritas a gradientes.

Os autores concluem que, embora a equação da continuidade fraca restrinja apenas a divergência do fluxo, a seleção explícita de um regularizador de gauge permite a aprendizagem de modelos dinâmicos que estão melhor alinhados com a física subjacente do sistema, particularmente em regimes onde dados de trajetória estão indisponíveis ou são não-informativos.