Neues Tool: FastDSA beschleunigt dynamische Ähnlichkeitsanalysen

Wissenschaftler haben ein neues Verfahren namens FastDSA entwickelt, das die Analyse dynamischer Ähnlichkeiten zwischen neuronalen Systemen deutlich beschleunigt. Im Gegensatz zu herkömmlichen Methoden, die die zugrunde liegenden dynamischen Prozesse vernachlässigen, nutzt FastDSA eine effiziente Einbettung der nichtlinearen Dynamik in einen global linearen Raum und berechnet anschließend Konjugationsmetriken.

Der Schlüssel zum Tempoauftritt liegt in zwei Innovationen: Erstens wählt das Verfahren automatisch die optimale Modellordnung für die Hankel‑Einbettung anhand eines datengetriebenen Singularwertschwellenwerts. Dadurch wird der informative Subraum identifiziert und Rauschen eliminiert, was die Rechenlast reduziert, ohne Signalqualitäten zu verlieren. Zweitens ersetzt FastDSA die langsame, exakte Orthogonalitätsbedingung durch einen leichtgewichtigen Optimierungsprozess, der die Suche nahe an den Raum orthogonaler Transformationen hält.

In Tests ist FastDSA mindestens zehnmal schneller als frühere Ansätze, während es die Genauigkeit, Robustheit sowie die Invarianten und Sensitivitäten der ursprünglichen Methoden beibehält. Damit eröffnet das Tool neue Möglichkeiten für den Vergleich von Gehirnkreisläufen, neuronalen Netzwerken und Modellen in Echtzeit.