Data driven tensor product-based modeling and control of a damped Lotka-Volterra predator-prey process

在工程领域，控制一台机器或一个生物系统往往感觉就像是在试图驾驶一艘在风暴中航行的船，而地图却在不断变化。为了引导一个系统——无论是机械臂、化学反应器还是动物种群——工程师需要一个数学模型，即一套能够预测系统对不同输入如何做出反应的规则。对于简单、可预测的机器，这些规则是固定的且易于编写。但对于复杂的生命系统，由于其状态会随当前情况而改变，这些规则是流动的。长期以来的挑战在于，如何仅利用我们能测量到的数据，为这些变化的景观建立一张可靠的地图，而无需了解其内部运作的所有隐藏细节。如果我们能仅通过观察构建出一张足够好的地图，我们就可以设计一个控制器，轻轻地将系统推向理想的路径，使其即使在试图偏离轨道时也能保持稳定。

这正是匈牙利奥布达大学的研究员阿尔帕德·瓦尔加（Árpád Varga）所解决的核心难题，他致力于测试一种新的建模和控制经典生物场景的方法：捕食者-猎物关系。他研究的具体系统是洛特卡-沃尔泰拉（Lotka-Volterra）模型的阻尼版本，这是一个著名的描述捕食者和猎物数量如何共同上升和下降的数学描述。在自然界中，如果捕食者过多，它们会吃掉过多的猎物，导致猎物数量骤减，这最终会导致捕食者因饥饿而数量下降，从而让猎物得以恢复。这种循环可能是混沌的，但在本研究中，该系统是“阻尼”的，这意味着它会随着时间的推移自然趋于平稳，而不是永远震荡下去。研究者的目标是观察是否可以通过测量这些种群数量，使用一种称为张量积建模（tensor product modeling）的特定数学技术来构建其行为的简化模型，然后利用该模型强制种群保持在特定的、理想的水平，从而有效地驯服自然的剧烈波动。

为了实现这一目标，瓦尔加首先必须在不知道支配系统的确切生物常数的情况下描述该系统。他没有去猜测规则，而是将系统视为一个可以观察的“黑箱”。通过测量当前的猎物和捕食者数量，以及同时测量这些数量在每一时刻的变化速度，他可以计算出系统行为的一个快照。他使用了一种被称为伪逆运算（pseudo-inverse operation）的数学技巧，来逆向工程状态与变化之间的关系。这给了他一个关于系统内部逻辑的粗略且瞬时的图像。然而，这些原始数据是杂乱且难以直接用于控制的。为了使其变得有用，他将平滑的多项式曲线拟合到数据点上，本质上是在散乱的测量值之间绘制出一个连续的曲面，以代表系统在不同种群水平下的行为方式。

随后，研究者测试了一种更先进的方法来表示这些相同的数据：张量积建模。想象一下，数据是一个复杂的多维形状。张量积建模不再使用一个需要存储数千个数字的庞大方程来描述这个形状，而是将其分解为一系列更小的、更简单的构建模块。它通过观察这些模块如何根据当前的种群数量进行组合，来计算系统的行为。这种方法的理念在于，对于具有许多变量的极复杂系统，它可能更加高效，因为它可以用比传统多项式方程更少的存储数字来捕捉本质行为。在本研究中，研究者将传统的多项式拟合与这种新的张量积方法进行了对比，以观察哪一个能为控制器创建更好的地图。

计算机模拟的结果显示，两种方法在它们所观测到的数据范围内都表现良好。这些模型能够准确预测系统的行为，从而允许一种基于“计算转矩控制”（computed torque control）原理的控制算法引导种群达到目标数值。这种控制方法的工作原理是：不断计算系统当前位置与理想位置之间的差异，然后施加一个修正力来消除这一差距。在模拟中，多项式模型和张量积模型都成功地将捕食者和猎物的种群数量稳定在理想水平，误差非常小。在此特定的简单案例中，张量积模型确实显示出轻微的劣势：由于系统只有两个变量（捕食者和猎物），张量法实际上比多项式法需要存储更多的数字。研究人员指出，张量方法的优势很可能只会在处理具有更多变量的复杂得多系统时才会显现出来，届时传统方法会变得过于沉重且缓慢。

为了证明这不仅仅是计算机里的幻想，瓦尔加使用一台模拟计算机构建了该实验的物理版本，这是一种利用电路实时模拟数学关系的设备。他将该硬件连接到一个现代工业控制器上，创造了一个混合系统，其中物理电路代表捕食者-猎物的动力学过程，而数字控制器则施加修正。该装置包括代表种群数量的电压信号，其中正电压代表增加种群，负电压代表捕食或移除。控制器加载了存储在内存中的张量积模型，用以计算必要的调整。当系统处于自由状态时，种群数量如预期般发生震荡。但当控制器开启时，它成功地将种群数量从混沌的起始点引导至研究者所选定的特定稳定值。

物理实验证实了这种数据驱动的方法在现实世界中是有效的，而不仅仅存在于理论中。控制器成功稳定了种群数量，尽管其追踪精度比计算机模拟中略逊一筹，但这在从洁净的数字环境转向存在电噪声和硬件限制的物理环境时是典型现象。研究人员发现，系统可以处理不同的目标值，平滑地将种群移动到新的稳态。他们还展示了控制器能够实时适应变化的目标，这是实际应用中的一项关键能力。研究结论认为，虽然张量积方法在这个简单的双变量系统中并未提供内存优势，但直接从测量数据构建模型并利用其进行控制的整体方法论是稳健且有效的。

这项工作凸显了工程师看待复杂系统方式的一种转变。与其花费数年时间试图为每一种生物或化学相互作用推导出精确方程，不如通过观察系统，从数据中学习其行为，并即时构建一个功能性模型。这种方法对于那些物理机制过于复杂而无法完美写出公式、但其行为可以被测量的系统尤为强大。研究表明，对于较简单的系统，传统方法可能仍然足够；但随着系统复杂度的增加，将行为分解为可管理的、带权重的组件的能力将变得至关重要。这项研究作为一个概念验证，证明了数据驱动建模可以成功地驯服自然界不可预测的节奏，为管理从野生动物种群到工业流程的一切事物提供了新工具。