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

Resumo Técnico: Um Modelo de Séries Temporais Kuramoto–von Mises para Modelagem Probabilística de Osciladores Acoplados

Definição do Problema
Osciladores acoplados fornecem um arcabouço fundamental para modelar fenômenos físicos e biológicos, variando desde o enovelamento de proteínas e sincronização neural até a atividade de ondas lentas gastrointestinais. Métodos existentes para estimar as distribuições de probabilidade de relações de fase multivariadas nesses sistemas tipicamente dependem da termodinâmica de equilíbrio, expressando o sistema via uma distribuição de família exponencial de pares em forma de Boltzmann. No entanto, essas abordagens dependem de duas suposições críticas que são frequentemente violadas em sistemas do mundo real: (i) a matriz de acoplamento é simétrica, e (ii) o sistema atingiu o equilíbrio termodinâmico. Muitas redes biológicas exibem interações inerentemente assimétricas (por exemplo, conexões sinápticas excitatórias/inibitórias) e são impulsionadas por entradas externas, colocando-as em regimes de não-equilíbrio. Consequentemente, formulações baseadas no equilíbrio podem resultar em caracterizações limitadas ou enviesadas das dinâmicas subjacentes.

Metodologia
Os autores propõem um método para estimar distribuições de fase subjacentes sem assumir conectividade simétrica ou um estado de equilíbrio. A abordagem é construída sobre os seguintes fundamentos teóricos e algorítmicos:

1. Formulação de Kuramoto Estocástica: O modelo estende o modelo de Kuramoto determinístico para uma equação diferencial estocástica (SDE) usando dinâmica de Langevin. Esta formulação incorpora atrasos temporais e modela a evolução contínína no tempo das fases dos osciladores $Y_t$ com ruído Gaussiano aditivo.
2. Aproximação de von Mises: Ao discretizar o tempo em pequenos intervalos $\Delta$, a distribuição condicional da fase no tempo $t+\Delta$ dado o histórico é aproximada. Como a fase é circular ($[0, 2\pi]$), a distribuição Gaussiana envolta resultante da SDE é aproximada por uma distribuição de von Mises. A direção média desta distribuição é determinada pela frequência intrínseca e pelos termos de acoplamento, enquanto o parâmetro de concentração é inversamente proporcional à variância do ruído e ao passo de tempo.
3. Aproximação de Alta Taxa de Amostragem: Uma simplificação fundamental é aplicada sob a suposição de altas taxas de amostragem ($\Delta \ll 1$). Usando aproximações de Taylor para funções seno e cosseno onde a influência do acoplamento é pequena, a função de log-verossimilhança é linearizada. Isso transforma o problema de estimativa de máxima verossimilhança (MLE) em uma solução algébrica de forma fechada envolvendo operações de álgebra linear, evitando a necessidade de solvers de otimização convexa iterativos.
4. Estimativa de Parâmetros: O método estima parâmetros de acoplamento ($\kappa_{ij}$) e atrasos de fase ($\mu_{ij}$) resolvendo um problema de otimização quadrática separável para cada oscilador. Os autores também fornecem um procedimento para estimar a variância do ruído $\sigma^2$ e demonstram como impor restrições de conectividade simétrica, se desejado, embora o arcabouço geral não exija isso.

Principais Contribuições

• Modelagem de Não-Equilíbrio: O artigo introduz um arcabouço probabilístico que não exige que o sistema esteja em equilíbrio termodinâmico ou possua acoplamento simétrico, abordando uma limitação significativa das abordagens anteriores baseadas em Boltzmann.
• Solução de Forma Fechada: Os autores derivam um estimador de máxima verossimilhança que admite uma solução algébrica de forma fechada no regime de alta taxa de amostragem, tornando o método computacionalmente eficiente e prontamente aplicável a sistemas modernos de aquisição de dados de alta frequência.
• Arcabouço Unificado: A abordagem unifica a modelagem de ambos os regimes de equilíbrio e não-equilíbrio dentro de uma única formulação baseada em Langevin.

Resultados
Os autores avaliam o método utilizando tanto dados sintéticos quanto registros eletrofisiológicos do mundo real:

• Recuperação de Grafo Sintético: Em simulações de sistemas simétricos de equilíbrio, o método proposto recupera estruturas de conectividade com precisão comparável ao método ISO de última geração (que assume o equilíbrio). Em sistemas assimétricos de não-equilíbrio, o método proposto supera significativamente o método ISO, que falha em capturar a estrutura assimétrica, enquanto a regressão linear padrão apresenta um desempenho insatisfatório em todas as dimensões.
• Classificação de Ondas Viajantes: O método é aplicado a ondas viajantes planas 2D simuladas. Usando testes de razão de log-verossimilhança, o modelo classifica com sucesso ondas que se propagam em diferentes direções, com o desempenho de classificação (AUC) melhorando conforme a diferença na direção de propagação aumenta.
• Eletrogastrografia (EGG) Gástrica: Aplicado a registros estomacais humanos, o modelo detecta mudanças nas ondas viajantes gástricas antes e depois das refeições. Em controles saudáveis, o modelo identifica um aumento na conectividade local durante os períodos digestivos. Em pacientes com gastroparesia ou dispepsia funcional, o modelo captura uma falta patológica de mudança na conectividade entre os estados pré e pós-refeição.
• EEG Intracraniano: O método é aplicado a dados de estimulação cerebral profunda (DBS) do córtex orbitofrontal. Ele captura mudanças significativas na conectividade de rede durante e após a estimulação, observando uma atenuação da conectividade durante a estimulação e um aumento de rebote após ela, consistente com as mudanças observadas no poder theta.

Significância e Alegações
O artigo afirma que o modelo de séries temporais Kuramoto–von Mises proposto oferece uma alternativa robusta e generalizável aos métodos existentes baseados em equilíbrio. Ao aproveitar as altas taxas de amostragem comuns na aquisição de dados moderna, o método fornece uma solução computacionalmente eficiente de forma fechada para estimar estruturas de acoplamento tanto em regimes de equilíbrio quanto de não-equilíbrio. Os autores enfatizam que, embora o método dependa de uma aproximação de pequeno ângulo (justificada pelas altas taxas de amostragem em relação às frequências intrínsecas), ele caracteriza com sucesso fenômenos dinâmicos como ondas viajantes e padrões de conectividade patológica em sistemas biológicos onde as suposições tradicionais de equilíbrio falham. O trabalho sugere que este arcabouço permite a análise escalável e interpretável de sistemas de osciladores acoplados de alta dimensão sem as restritivas suposições de simetria ou equilíbrio.