結合発振器の相互作用を推論するための物理学に配慮したニューラルネットワーク:胚発生時計から回転するナノロッドまで 結合振動子は自然界のあらゆるところに存在します。胚の椎骨形成を調整する節節時計、視交叉上核の概日リズム、電力網、偏光光の下で回転するナノ粒子などです。すべては、発振子が非対称的に引き寄せられるか、反発するか、同期するかを決定する結合関数によって制御されます。 データからその関数を特定することが相互作用メカニズムを理解する鍵ですが、逆問題としては難しいです。標準的なアプローチでは、結合関数を観測された位相時系列に適合する三角関数の和として表現しますが、含める項の数を選ぶための原則的なルールはありません。ファン、ジョ、キムはこれが慣習の問題ではないことを示しています。最適な数は単一存在しないのです。非対称構造を見逃す基底関数はほとんどありません。多くは疎またはノイズの多いデータに対して過学習します。 基底選択を完全に回避するために、彼らはIC-PINNを導入しました(物理知らずニューラルネットワークによる結合推論)。2つの別々のネットワークがそれぞれ位相軌道と結合関数を位相差の関数として学習し、周期性は(sin θ, cos θ)への入力をマッピングすることで強制されます。ジョイントトレーニングは、データ忠実度と物理制約を組み合わせた損失を最小化し、支配的な微分方程式との整合性を保ちます。この制約は自然な正則化器として機能し、手動チューニングなしでIC-PINNをノイズやスパーシティに対して堅牢にします。 IC-PINNは双方向、勝者総取り、負け者総取り同期の各領域にわたる結合関数を回復し、M個結合発振器に拡張し、疎トポロジーおよびモジュラートポロジー上でAUCが1.0のネットワーク構造を推定します。マウス胚の尾芽細胞からのHES遺伝子振動データに適用すると、勝者総取り同期が確認され、位相差は約100分で半減すると予測します。円偏光の下で回転する金ナノロッドに適用すると、位相差データだけで結合関数を復元します。これは従来の手法では全く機能しない領域です。 より深い点はアーキテクチャ的です。IC-PINNは位相ダイナミクスと相互作用ダイナミクスを分離し、物理的制約のみで結合する独自のネットワークに分けています。これにより、結合関数は部分的でノイズの多い観測からも識別可能となり、非線形相互作用の原理を先入観的に押し付けることなく発見する扉を開きます。 論文: