Évaluer la réponse de systèmes complexes à des perturbations externes est un problème fondamental en physique, en climatologie et en ingénierie. Souvent, une perturbation directe est impossible : nous n'avons qu'une seule réalisation du climat terrestre ou une seule série temporelle d'observations. La théorie classique de la réponse linéaire exige de connaître les équations de la dynamique, ce qui est rarement réalisable pour des données réelles. Ce travail se situe parmi les méthodes d'extraction d'opérateurs de Koopman à partir de données (par exemple, des travaux voisins sur la prévision et l'analyse du bruit), mais il se concentre sur l'optimisation de la réponse, plutôt que sur la prédiction ou l'identification. Cela comble une lacune entre la théorie des perturbations et la pratique de l'analyse d'observations en grande dimension.
Les auteurs utilisent un lissage par noyau pour approximer l'opérateur de Koopman à partir d'une trajectoire d'observations. Si nécessaire, un délai de Takens est appliqué pour reconstruire les états cachés. La matrice de transition résultante d'une chaîne de Markov finie approxime la dynamique. Ensuite, un problème d'optimisation est résolu : trouver une matrice de perturbation à sommes de lignes nulles et avec une contrainte sur les transitions admissibles, qui maximise la dérivée du module ou de l'argument d'une valeur propre choisie. La solution est donnée par une formule explicite utilisant les vecteurs propres gauche et droit. Pour la visualisation, un « champ de vecteurs de réponse optimale » est introduit, construit en multipliant la matrice de perturbation par la matrice des observations.
Sur l'exemple de la rotation non uniforme d'un cercle, la perturbation optimale pour accélérer le cycle s'est avérée tangente à la trajectoire et inversement proportionnelle à la vitesse actuelle. Pour le système de Lorenz, la perturbation qui accélère la rotation autour des ailes est orthogonale aux lignes de niveau de l'argument du vecteur propre complexe, et non à la direction du flux. Dans l'exemple climatique d'El Niño, la perturbation optimale pour augmenter la fréquence est en avance de π/2 sur le cycle, tandis que pour renforcer les corrélations, elle est en phase. Un lien avec la phase du dipôle de l'océan Indien a été découvert : IOD négatif pendant l'accumulation d'El Niño et positif pendant La Niña.
Ce travail se distingue des méthodes voisines en ce qu'il permet pour la première fois d'optimiser la réponse dans l'espace des observations sans connaître les équations de la dynamique. Les approches voisines soit prédisent l'avenir, soit extraient des régularités, mais ne recherchent pas une perturbation ciblée. Ici, l'optimisation est effectuée sur le spectre de l'opérateur de Koopman, ce qui donne des champs de vecteurs physiquement interprétables. Cela élargit la boîte à outils pour l'analyse des systèmes complexes, en particulier en climatologie, où les expériences sont impossibles.
La méthode peut être étendue à des problèmes généraux de réponse linéaire, pas seulement aux propriétés spectrales. Une application à des systèmes stochastiques et à des données non stationnaires est possible. L'étude de la stabilité des perturbations optimales par rapport au choix des paramètres du noyau et du délai est prometteuse.
La méthode pourrait influencer la modélisation climatique, la prévision d'El Niño, le contrôle de systèmes chaotiques et l'analyse des rythmes biologiques.
La prochaine étape consistera à tester la méthode sur des données climatiques réelles et à la comparer à des expériences directes sur modèles.
Ce travail est directement lié au problème de l'identification et du contrôle de systèmes complexes à partir d'observations partielles. Dans le domaine des systèmes dynamiques, la question des conditions strictes de convergence des approximations par noyau pour les attracteurs chaotiques reste ouverte.
Cette section s'adresse à l'auteur du travail et à ses collègues. Les travaux voisins ont été trouvés par une recherche sémantique dans notre archive, et non par correspondance de mots. Nous n'évaluons pas : nous montrons le champ autour.
Ce que fait ce travail
Les auteurs construisent une approximation par noyau lissant de l'opérateur de Koopman à partir d'une série temporelle d'observations, éventuellement dans un espace de grande dimension, et formulent un problème d'optimisation pour trouver la perturbation infinitésimale qui modifie au maximum certaines propriétés choisies du spectre : la fréquence ou le taux de décroissance des corrélations de quasi-cycles, ou bien la stabilité d'ensembles quasi-invariants. La méthode est illustrée sur des exemples allant de la rotation d'un cercle à El Niño dans un modèle climatique. Des formules explicites pour la perturbation optimale sont obtenues, et un champ vectoriel de réponse optimale est introduit.
Où est sa force
Ce travail permet pour la première fois d'optimiser la réponse dans l'espace des observations sans connaître les équations de la dynamique, en utilisant le spectre de l'opérateur de Koopman. L'interprétabilité physique des champs vectoriels et l'applicabilité aux données climatiques rendent cette approche précieuse pour l'analyse de systèmes complexes où les expériences sont impossibles.
Vers où avancer
À essayer
Pourquoi cela peut compter
Si l'approche proposée peut être étendue à des données bruitées plus réalistes et intégrée à des méthodes de sélection de modèle, elle pourrait fournir un outil pratique pour agir de manière ciblée sur des systèmes complexes, par exemple pour contrôler des modes climatiques ou des systèmes d'ingénierie sans modèle complet.
Travaux voisins dans notre archive
L'archive est vide autour de ce travail : l'analyse la plus proche n'est qu'à 0.52, contre 0,64 d'ordinaire. Il semble qu'on ait peu foré à côté.
Pour accélérer la rotation d'un cercle non uniforme, la perturbation optimale est plus forte dans les sections lentes : cela découle de l'inégalité de Jensen, qui stipule que pour minimiser le temps de révolution, il faut égaliser la vitesse.