三节点基元破解网络动力系统结构辨识难题，物理信息ODE实现联合恢复！
Fundamental Dynamical Units for Physics-Informed Structural Inference from Perturbation Time-Series in Networked Systems
📖 AI 总结
本文针对网络化动力系统中从扰动时间序列恢复带符号交互结构这一核心识别问题展开研究。作者指出，该问题面临三重相互耦合的障碍：交互架构的组合复杂性、有限干预下因果归因的模糊性，以及状态依赖动力学对结构推断的干扰，且这些障碍本质上都是结构性的，需要结构性方案加以应对。为此，作者采用还原论思路，提出“基本动力学单元”（FDU），即有符号的三节点交互模式，作为可组合的基本构件，将交互假设空间转化为有限、可构造且可处理的表示形式。研究表明，局部交互结构决定了区分直接影响与中继影响所需的扰动条件，从而使干预设计成为FDU表示的结构性结果。作者进一步将FDU正则化的结构推断嵌入物理信息神经常微分方程中，通过控制方程约束把结构假设转化为可验证的动力学预测，实现交互结构与扰动解析轨迹的联合恢复。该框架在具有已知真值的合成基准上得到验证，为网络化动力系统中机制可解释的推断提供了原则性基础。
🔑 关键词速览
| Fundamental Dynamical Units (FDUs) | 基本动力学单元，指带符号的三节点交互模式，作为可组合的基元用于表示网络动力系统中的局部交互结构。 |
| Physics-Informed Neural ODE | 物理信息神经常微分方程，一种将物理定律（如控制方程）作为约束嵌入神经网络训练的模型，用于学习动力系统。 |
| Signed Interaction Structure | 带符号的交互结构，描述网络中节点间相互作用的促进或抑制关系，通常用正负号表示。 |
| Perturbation Time-Series | 扰动时间序列，指对系统施加扰动后记录的时间序列数据，用于推断系统的动态特性和交互结构。 |
| Structural Inference | 结构推断，从观测数据中推断系统内部交互结构或网络拓扑的过程。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅