本研究では、ダイナミックシステムの原理を理解するための新たなアプローチとして、非パラメトリックでカーネルベースのフレームワーク「Trine」を提唱しています。これは時間系列データから状態依存の内因性ノイズを推定する手法であり、特に生物学的なシステムや生態系での応用が期待されます。Trineは三段階のアルゴリズムを採用し、急激なノイズ変動と滑らかな状態依存の分散変化を捉えることができます。既存のパラメトリックモデルの限界を超え、データから直接的に支配方程式を発見することを目指しており、複雑なシステムの動的挙動を理解するための新しい道を開きます。実験結果からは、Trineが高い性能を発揮し、分子の濃度や反応事象のランダムな変動を追跡できる理想的な観察者としての役割を果たすことが示されています。