使用科尔莫戈罗夫-斯米尔诺夫指标函数改进库普曼运算符的估计
Van A Ngo1, Yen Ting Lin2, Danny Perez3
1Advanced Computing for Life Sciences and Engineering, Computing and Computational Sciences, National Center for Computational Sciences, Oak Ridge National Laboratory, Oak Ridge, Tennessee 37830, United States.
本研究引入了一种使用隐藏马尔科夫模型 (HMM) 的新聚类方法,以找到最佳的可观测值,用于用库普曼运算符进行动力分析. 这种方法改善了复杂系统中动态模式和时间尺度的估计.
科学领域:
- 计算化学计算化学
- 统计力学 统计力学
- 数据科学数据科学数据科学
背景情况:
- 动力分析经常使用近似的库普曼运算符来简化高维时间序列数据到动态模式.
- 库普曼操作员方法的有效性取决于选择适当的可观测值,这些可观测值准确地代表缓慢放松过程.
- 确定最优的可观测事先是具有挑战性的,而低于最佳的选择可能导致对系统动态和时间尺度的不准确估计.
研究的目的:
- 开发一种计算效率高的方法来推断替代可观测值,这些可观测值为慢动态模式提供了良好的基础.
- 利用隐藏的马尔科夫模型 (HMM) 在随机系统中识别关键状态和过渡时间表.
- 使用库普曼运算符来提高动力分析的准确性,特别是在没有最佳可观测值时.
主要方法:
- 提出了一个基于缓慢动态的隐藏马尔科夫模型 (HMM) 表示的集群程序.
- 推断的替代观测值,旨在为扩展缓慢放松模式形成一个合适的基础.
- 将该方法应用于可分析解决的模型和不同复杂度的三种蛋白质系统.
主要成果:
- 在使用推断的可观察值来估计库普曼运算子的领先自身值方面显著改进.
- 在随机系统中成功识别了关键状态和过渡时间表.
- 展示了该方法的有效性,即使在最优的可观测值不知先验的情况下.
结论:
- 提出的基于HMM的聚类方法提供了一种简单而有效的方法来推断Koopman操作员分析的最佳可观察值.
- 这种方法通过改善动态模式和特征时间尺度的估计来提高运动分析的准确性.
- 这些发现适用于一系列随机系统,包括复杂的生物分子系统.
更多相关视频
08:22Calibration-free In Vitro Quantification of Protein Homo-oligomerization Using Commercial Instrumentation and Free, Open Source Brightness Analysis Software
Published on: July 17, 2018
14:26In vivo Quantification of G Protein Coupled Receptor Interactions using Spectrally Resolved Two-photon Microscopy
Published on: January 19, 2011
相关概念视频
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
On...
Estimation of the Physical Quantities
Chebyshev's Theorem to Interpret Standard Deviation
Extraction: Partition and Distribution Coefficients
For extracting a solute from an aqueous phase into an...
Propagation of Uncertainty from Systematic Error
Coefficient of Variation
The coefficient of variation is a practical statistical tool in finance. It allows investors to assess the volatility or...
