Identificación escasa de las ecuaciones de gobierno en sistemas de motivación biológica

Área de la Ciencia:

• Teoría de los sistemas dinámicos
• Física computacional
• La bioinformática

Sus antecedentes:

• Descubrir ecuaciones de gobierno a partir de datos es crucial para la comprensión científica.
• Los métodos tradicionales como SINDy luchan con conjuntos de datos ruidosos o limitados.
• La sensibilidad de aproximación derivada dificulta la solidez de las técnicas existentes.

Objetivo del estudio:

• Introducir un nuevo marco basado en datos, IRK-SINDy, para el descubrimiento de ecuaciones robustas.
• Mejorar la identificación de sistemas dinámicos bajo la escasez de datos y el ruido.
• Mejorar la interpretabilidad y generalización de los modelos descubiertos.

Principales métodos:

• Integrar los métodos implícitos de Runge-Kutta de alto orden (IRK) con una identificación escasa.
• Emplear esquemas iterativos y redes neuronales profundas para la integración de IRK.
• Validar el marco para diversos sistemas dinámicos de referencia.

Principales resultados:

• IRK-SINDy demuestra una robustez superior frente a la escasez de datos y el ruido en comparación con SINDy y RK4-SINDy.
• La estabilidad A de los IRK permite menos limitaciones de tamaño de paso, mejorando el rendimiento.
• Identificación exitosa de las ecuaciones de gobierno en varios modelos lineales, no lineales y biológicos.

Conclusiones:

• IRK-SINDy ofrece un avance significativo en el descubrimiento científico basado en datos.
• El marco proporciona una identificación confiable de la ecuación incluso en condiciones de datos difíciles.
• Este método allana el camino para un modelado más preciso en sistemas complejos.