🔢 mathematics

Ordered Diffusion Kernels

本文引入了有序扩散核（Ordered Diffusion Kernels, ODKs），这是一类新型局部核，通过推断数据排序而非速度场来逼近任意伊藤随机微分方程的无穷小生成元，从而实现在先验信息有限的动力系统中对漂移系数和扩散系数进行准确且解耦的恢复。

原作者： Jack H. Soulsby, Andreas C. S. Jørgensen, Atiyo Ghosh, Vahid Shahrezaei

发布于 2026-08-19

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Jack H. Soulsby, Andreas C. S. Jørgensen, Atiyo Ghosh, Vahid Shahrezaei

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，试图通过一张河流的水流照片来理解河流的流动。你看到了波纹、泡沫和大致的方向，但你无法看到水流的速度、水面下的隐藏岩石，或是从侧面推动水的风。在数据科学的世界里，研究人员经常面临这个完全相同的问题。他们拥有大量的快照——细胞、恒星或天气模式的测量值——这些是在随机时刻拍摄的，但他们缺乏关于这些系统如何随时间实际移动和变化的连续视频。几十年来，科学家们一直试图使用被称为“核函数”（kernels）的数学工具来重建这些隐藏的运动，这些工具就像是一个透镜，用以聚焦于数据点之间的局部关系。然而，这些传统的透镜有一个盲点：它们难以将推动系统向特定方向移动的力量与过程中发生的随机抖动区分开来。如果不知道两者之间的区别，重建的系统未来图像将会是模糊且往往不正确的。

来自伦敦帝国理工学院和法国的研究团队开发了一种观察这些快照的新方法，这种方法成功地将定向运动从随机噪声中解构出来。他们将这种方法称为“有序扩散核”（Ordered Diffusion Kernels）。与其从一开始就尝试猜测数据集中每个点的确切速度和方向——这在没有先验知识的情况下通常是不可能的任务——他们首先提出了一个简单得多的问题：事物的顺序是什么？他们观察数据并确定哪些点在系统的旅程中处于“较早”阶段，哪些处于“较晚”阶段，从而创建一个简单的演进图谱。通过首先关注这个序列，他们可以构建一个数学模型，准确地恢复系统的稳定漂移和其随机波动的强度，即使在数据稀疏、多噪或来自复杂的、高维世界的情况下也是如此。

这种新方法的核心在于它如何处理“排序”的概念。在许多自然系统中，例如细胞的生长和分裂，存在一个从起始状态到结束状态的清晰路径，但确切的时间或速度可能是未知的。传统方法通常尝试拟合一个势能景观，假设系统像一个球沿着山坡滚动。这对于简单的、稳定的系统效果很好，但当景观复杂或数据不完全符合稳态假设时，这种方法就会失效。新方法放宽了这一要求。它不要求有一张完美的“山坡图”；它只需要一个能告诉它路径中哪边是“向上”的函数。这种排序函数充当了一个向导，允许研究人员构建一个核函数——一种数学权重工具——该工具能够尊重流动的方向，而不会被随机噪声所迷惑。

一旦建立了这种排序，研究人员就会利用它来构建一个近似系统“无穷小生成元”（infinitesimal generator）的模型。通俗地说，这是描述系统如何从一个微小时刻变化到下一个时刻的数学引擎。他们构建过程的美妙之处在于，它将这种变化的两个主要组成部分分离开来：漂移（drift），即可预测的、定向的运动；以及扩散（diffusion），即随机的、扩散的运动。以前的方法通常强行将这两个元素联系在一起，这意味着如果你改变了漂移的速度，你也会无意中改变随机噪声的大小，反之亦然。这种耦合使得研究那些噪声本身会随位置而变化的系统变得非常困难。新的有序扩散核打破了这种联系，允许研究人员独立地估计漂移和扩散。这是一个重大的进步，因为这意味着他们现在可以模拟那些随机性并非恒定、而是随位置变化的系统，而这在生物和物理过程中是非常普遍的特征。

为了测试他们的理论，研究人员将该方法应用于多个合成数据集，通过创建具有已知规则的人造世界来观察其工具是否能找到这些规则。在一个实验中，他们在环面（torus，一种像甜甜圈一样的形状）上模拟了数据，这提出了一个独特的挑战，因为路径会绕回到自身。传统的排序方法在这里很难处理，因为你无法在循环上定义一个单一的“起点”和“终点”而不破坏逻辑。研究人员通过使用“局部排序函数”克服了这一点，该函数只比较附近的点，而不是试图一次性对整个循环进行排序。结果令人瞩目：他们的模型成功重建了支配运动和随机扩散的确切数学规则，并以极高的精度匹配了已知的地面真值（ground truth）。他们还证明了该方法可以处理各向异性扩散（anisotropic diffusion），即随机扩散在不同方向上的速率不同，这在标准工具中是一个极其困难的情景。

研究人员还探索了在已知系统快照时间与未知时间的情况下如何使用此方法。在不知道每个测量时间的情况下，他们开发了一种通过观察数据点的整体分布来推断排序和扩散强度的方法。他们发现，即使不知道每个点被捕获的确切时间，数据的几何结构也包含了足够的信息来恢复底层的动力学过程。当时间已知时，他们可以使用更直接的方法，将模型拟合到特定的事件序列中。在两种场景下，该方法都表现出了鲁棒性，能够恢复其他技术所遗漏的复杂非线性模式。

这项工作的最引人入胜之处之一在于其在单细胞生物学领域的应用潜力，在这一领域，由于测量的破坏性，追踪单个细胞随时间的变化是不可能的。研究人员只能捕捉细胞状态的一个快照，然后将其销毁，从而留下的是一系列独立的瞬间而非连续的电影。新方法提供了一种从这些静态帧中重建“电影”的方式。通过将细胞生命的演进视为一个排序问题，研究人员展示了他们的工具如何推断驱动细胞命运的基因调节网络，将细胞的确定性指令与生物变异的随机噪声区分开来。虽然论文重点在于使用合成数据来证明概念，但该框架在设计上明确旨在处理现实世界中杂乱、高维且稀疏的生物数据。

研究人员并未声称已经解决了动力系统中的所有问题。他们承认，其方法依赖于数据位于高维空间中的低维曲面这一假设，即所谓的“流形假设”（manifold hypothesis）。他们还指出，在数据的边界附近，由于可对比的邻居较少，重建的准确性可能会下降。然而，他们展示了即使在这些困难区域，该方法也比现有的替代方案表现更好，特别是在数据包含某种程度的模糊边界噪声时。他们还讨论了识别一个系统的行为是由确定性力量驱动，还是由随机噪声的梯度驱动的挑战，这仍然是一个难题，但现在通过他们的新工具已变得更加可行。

最后，这项工作代表了我们如何处理从静态数据中重建隐藏动力学的一种转变。通过将简单的、直觉性的“排序”概念置于猜测确切力量的复杂任务之上，研究人员创造了一个既灵活又强大的工具。它允许科学家观察散落的点，并看到其下方流动的河流，清晰地分辨出当前流向与漩涡，这种清晰度是以前无法企及的。这不仅仅是一种数学上的精进；这是一种看待世界的新方式，它将一堆混乱的快照转化为了一个关于运动与变化的连贯故事。

技术摘要：有序扩散核 (Ordered Diffusion Kernels)

1. 问题陈述

本文解决了从数据中推断 Itô 随机微分方程 (SDE) 的无穷小生成器 (infinitesimal generator) 的挑战，其中数据采样自一个几乎没有任何先验动力学信息的动力系统。虽然经典的核方法（如扩散映射 Diffusion Maps）可以近似流形上的 Laplace–Beltrami 算子，但它们往往无法在没有严格假设的情况下捕捉任意的漂移项和扩散项。

现有方法面临特定的局限性：

$\alpha$ -归一化扩散映射 ( $\alpha$ -normalised Diffusion Maps)： 引入了一个依赖于采样密度的漂移项，从而将漂移与平稳分布 ( $U(x) = -\log q(x)$ ) 耦合在一起。这限制了分析仅能针对处于稳态的势能系统。
目标测度扩散映射 (TMDmap)： 虽然可以针对任意梯度流，但会将漂移与单位扩散耦合，从而无法推断状态相关的扩散系数。
通用局部核 (Berry & Sauer)： 可以近似任意二阶椭圆算子，但需要预先知道漂移向量场 $\mu(x)$ 和扩散张量 $D(x)$ ，这使得在未知系统下的初始推断问题变得病态。

核心难点在于推断一个势函数 $U(x)$ ，该函数必须同时满足正确的方向性和变化率约束，这通常需要复杂的领域特定推断机制。

2. 方法论

2.1 有序函数 (The Ordering Function)

为了规避推断势函数的困难，作者引入了有序函数 $l(x)$ 的概念。与势函数不同，有序函数仅要求暗示系统的正确方向性（即哪些邻居在演化过程中处于“更远”的位置），而不需要编码特定的变化率或能量尺度。这显著放宽了推断问题的难度。

2.2 有序扩散核 (Ordered Diffusion Kernels, ODKs)

作者定义了一类新型局部核——有序扩散核 (ODKs)，旨在近似具有状态相关各向同性扩散的梯度流 SDE 的无穷小生成器。该核定义为：

$K_\varepsilon(x, y) := h\left( \frac{\|y - x\|^2}{\varepsilon \rho(x)^2} + \frac{(l(y) - l(x) - \varepsilon \tau(x)\kappa(x))^2}{\varepsilon \rho(x)^2 \kappa(x)^2} - \frac{(l(y) - l(x))^2}{\varepsilon \rho(x)^2 \kappa(x)^2} \right)$

其中：

$h$ 是平滑且快速衰减的函数（例如高斯函数）。
$\rho(x)$ 控制扩散强度。
$\tau(x)$ 控制过程的速度。
$\kappa(x)$ 是尺度正则化项（通常设为 $\|\nabla l(x)\|$ ），使核函数对有序函数的尺度具有不可知性。
第三项作为维度修正，以确保核函数在底层流形上表现正确。

理论收敛性：
论文证明，当 $\varepsilon \to 0$ 时，ODK 的归一化拉普拉斯算子收敛于 Itô SDE 的无穷小生成器 $L$ ：
$Lf(x) = \frac{\tau(x)}{\kappa(x)}\nabla l(x) \cdot \nabla f(x) + \frac{1}{2}\rho(x)^2 \Delta f(x)$
至关重要的是，这种形式将由有序函数决定的漂移与由 $\rho$ 决定的扩散进行了解耦，克服了 TMDmap 中存在的局限。

2.3 扩展

该框架被扩展以处理更复杂的场景：

任意漂移 (lODK)： 通过将全局有序函数 $l(x)$ 推广为局部有序函数 $l(x, y)$ ，该方法可以近似任意漂移场 $\mu(x)$ ，而不局限于梯度流。这可以处理非线性排序和复杂的拓扑结构（例如环面上的循环序）。
各向异性扩散 (anODK)： 该核被扩展以近似各向异性扩散张量。然而，这最初会将漂移和扩散耦合。作者提出了一个 Strang 分裂方案 (Strang Splitting scheme)，通过组合两个核（一个带有漂移的各向同性核和一个不带漂移的对称各向异性核）来消除这种耦合，并准确重建生成器。
自调优带宽 (stODK)： 将扩散项 $\rho(x)^2$ 替换为 $\rho_1(x)\rho_2(y)$ 以处理非均匀采样的观测数据。这引入了一个正比于 $\nabla \rho$ 的有效漂移项，可以通过 $\beta$ -正则化参数进行控制。
多重有序 (mODK)： 支持多个有序函数 $\{l_i\}$ ，以建模具有多个势阱或复杂相互作用的系统。

2.4 离散到连续的收敛

论文确立了当样本量 $m \to \infty$ 时，由 $m$ 个独立样本构建的离散拉普拉斯算子以概率收敛于连续算子，前提是带宽 $\varepsilon$ 随 $m$ 进行适当缩放（具体为 $\varepsilon \sim (\log m / m)^{2/(d+4)}$ ）。

2.5 通过优化进行推断

为了从数据中恢复未知参数，作者提出了两种基于梯度的优化目标：

$L_q$ 目标： 用于采样时间未知的情况。它最小化经验采样分布与 ODK 模型预测的瞬态分布之间的 KL 散度。
$L_p$ 目标： 用于采样时间已知的情况。它最大化联合分布 $p(x, t)$ 的似然性，从而实现状态相关漂移和扩散的同步推断。

3. 核心贡献

新型核类： 引入了有序扩散核 (ODKs)，其可以近似任意梯度流 SDE 生成器，且不会将漂移与扩散耦合。
放宽的推断任务： 将推断势函数 $U(x)$ 转向推断有序函数 $l(x)$ ，显著降低了初始推断问题的复杂度。
理论保证： 证明了 ODK 拉普拉斯算子向 Itô SDE 无穷小生成器的渐近收敛性，包括对局部有序、各向异性和自调优带宽的扩展。
用于各向异性的 Strang 分裂法： 提出了一种使用算子分裂在各向异性设置中解耦漂移和扩散的方法，克服了以往各向异性核方法的局限。
非参数化推断框架： 开发了 $L_q$ 和 $L_p$ 目标，以便直接从静态快照或带时间戳的数据中推断漂移和扩散参数，而无需假设动力学的特定参数形式。

4. 数值结果

该框架在合成数据上得到了验证：

拉普拉斯收敛性： 在环面上针对各向同性和各向异性扩散展示了准确的解析拉普拉斯算子恢复，数值结果与解析结果之间的 $L_2$ 误差较低。
ODE 动力学： 应用于螺旋 ODE 数据，成功提取了外在速度场和平均曲率向量 (MCV)。作者表明，通过对称修正（减去一个对称的局部核）可以有效地消除 MCV 偏差，从而恢复真实的速率场。
SDE 参数推断：
- OU 过程： 使用 $L_q$ 目标，成功推断了二维 Ornstein-Uhlenbeck 过程的有序函数（负势函数）和常数扩散，实现了与基准真值的高相关性。
- 非线性 SDE： 对具有状态相关扩散的复杂非线性 SDE 应用了 $L_p$ 目标。该方法准确重建了有序函数。虽然扩散估计存在噪声，但通过应用平滑正则化（梯度/拉普拉斯或拉普拉斯特征基），可以恢复状态相关噪声的总体形状，包括在特定半径处扩散增加等细微特征。

5. 重要性与主张

论文声称 ODKs 提供了一个原则性的、非参数化的工具，用于从动力学信息匮乏的复杂系统（无论是静态还是稀疏采样）中恢复动力学过程。

解耦： 其主要意义在于能够近似任意梯度流，而不像之前的 TMDmap 方法那样受到漂移与采样密度（或扩散）之间严格耦合的限制。
可扩展性： 通过将推断势函数简化为推断有序函数，该方法使处理高维、含噪声数据（如单细胞 RNA 测序数据，尽管论文指出并未在实验中专门探讨此应用）变得可行。
可辨识性： 作者谦虚地指出，虽然 $L_p$ 目标允许推断状态相关噪声，但该问题是病态的。扩散信号较弱，极易被采样密度的变化所掩盖，因此需要精细的正则化。他们展示了可辨识性的经验证据，但也承认证明状态相关噪声的严谨可辨识性仍是未来的工作。

本文将 ODKs 定位为连接局部核方法与随机微分方程严谨理论之间的桥梁，为在传统参数模型难以实现的动力学系统分析中提供了一个灵活的框架。