推断异质性运动粒子系综中的参数分布：二阶Langevin模型的似然方法
软凝聚态物质
2024-11-14 v1 统计力学
机器学习
摘要
生物体的内在复杂性常常导致运动行为看似具有随机成分。因此，需要稳健的随机推断方法，从实验提供的时间离散轨迹数据中理解和预测运动模式。在许多情况下，需要二阶Langevin模型来充分捕捉运动。此外，在分析来自多个个体生物的数据时，需要考虑群体异质性。在这项工作中，我们描述了一种最大似然方法，用于推断动态随机模型，并同时估计离散采样的随机轨迹中运动活性粒子群体的异质性。为此，我们提出了一种新方法来近似非线性二阶Langevin模型的似然。我们表明，这种最大似然方法在短轨迹上尤其优于其他方法。此外，我们展示了如何推导异质性估计的不确定性度量。因此，我们为基于轨迹数据的主动驱动实体动态模型的系统性、数据驱动推断铺平了道路，破译了时间波动和粒子间变异性。
引用
@article{arxiv.2411.08692,
title = {Inferring Parameter Distributions in Heterogeneous Motile Particle Ensembles: A Likelihood Approach for Second Order Langevin Models},
author = {Jan Albrecht and Manfred Opper and Robert Großmann},
journal= {arXiv preprint arXiv:2411.08692},
year = {2024}
}
备注
16 pages, 4 figures