連続時間マルコフ連鎖において、Q 行列は「無限小時間の遷移を支配する演算子」である。 有限時間 $t$ の遷移確率行列 $P(t)$ は、その Q を指数関数の肩に乗せた $P(t) = e^{Qt}$ で与えられる。前進 Kolmogorov 方程式も後進方程式も同じ解を持つのは、 $Q$ と $e^{Qt}$ の可換性から自動的に従う。
目次
1. 問い — Q 行列があれば確率の時間発展が決まる。なぜ？
イオンチャネルは「開いている (Open)」「閉じている (Closed)」などの複数の状態間をランダムにジャンプする。 このランダムな飛び移りを記述するのが Q 行列（生成作用素、generator matrix）である。 ここには各状態間の遷移速度（1 秒あたりの確率的飛び移り速度）が入っている。
時刻 $0$ に状態 $i$ にいた。時刻 $t$ に状態 $j$ にいる確率 $P_{ij}(t)$ は何か？
Q 行列を知っていれば $P(t)$ を計算できる — その仕組みを理解したい。
答えは $P(t) = e^{Qt}$ であるが、この式には 3 つの「なぜ？」が隠れている:
- なぜ微分方程式 (Kolmogorov 方程式) が出てくるのか？
- なぜ解が指数関数の行列版 $e^{Qt}$ になるのか？
- なぜ前進方程式と後進方程式が同じ解を持つのか？
以下でこの 3 つを順に解き明かす。
図1. スカラー $e^{at}$ と行列 $e^{Qt}$ のマクローリン展開の対比。スカラーの形をそのまま行列に拡張するだけ。
2. Q 行列の正体 — 「無限小時間の遷移演算子」
Q 行列がどこから来るかを理解するために、まず離散時間の類似物から出発する。
2.1 定義: $Q = \lim_{dt\to 0} [P(dt) - I] / dt$
遷移確率行列 $P(t)$ の各成分 $P_{ij}(t)$ は「時刻 $0$ で状態 $i$ → 時刻 $t$ で状態 $j$」の条件付き確率である。 微小時間 $dt$ における振る舞いを見ると:
- $P_{ij}(dt) = q_{ij} \cdot dt + O(dt^2)$ ($i \neq j$) — 別の状態へ飛ぶ確率
- $P_{ii}(dt) = 1 + q_{ii} \cdot dt + O(dt^2)$ — 同じ状態に留まる確率
これが Q 行列が「生成作用素 (infinitesimal generator)」と呼ばれる理由である。$Q$ は $P(t)$ の $t=0$ における接線（微分）である。
2.2 Q 行列の 3 つの条件
| 条件 | 数式 | 物理的意味 | イオンチャネルでの解釈 |
|---|---|---|---|
| 非対角成分は非負 | $q_{ij} \ge 0$ ($i \neq j$) | 状態 $i$ から状態 $j$ へ流れ込む速度 | 開→閉の速度定数 $\alpha$、閉→開の速度定数 $\beta$ など |
| 対角成分は非正 | $q_{ii} \le 0$ | 状態 $i$ から「外へ出ていく」総速度 | $q_{ii} = -\sum_{j \neq i} q_{ij}$ |
| 各行の和 = 0 | $\sum_j q_{ij} = 0$ | 確率保存 | チャネルが消えたり生まれたりしない |
2.3 2状態モデルの具体例
最も単純な「Open $\rightleftharpoons$ Closed」の 2 状態イオンチャネル。$\alpha$ = 閉化速度、$\beta$ = 開口速度とすると:
各行の和: $(-\alpha + \alpha) = 0$、$(\beta - \beta) = 0$ ✓
3. ノルム — 絶対値のベクトル・行列版
行列指数関数 $e^{Qt}$ をマクローリン展開の無限和として定義するためには、 その級数が「収束する」ことを保証しなければならない。 「大きさ」を測る道具として、スカラーの絶対値 $|x|$ を ベクトルと行列に拡張したノルム（norm）が必要である。
図2. 絶対値からノルムへの一般化の流れ。
3.1 ノルムの 3 つの公理
絶対値 $|x|$ が持つ性質を抽象化したものがノルムである。写像 $\|\cdot\|: V \to \mathbb{R}$ がノルムであるためには:
| 性質 | 絶対値での表現 | ノルムでの表現 |
|---|---|---|
| 非負性 | $|x| \ge 0$、$|x|=0 \Leftrightarrow x=0$ | $\|v\| \ge 0$、$\|v\|=0 \Leftrightarrow v=0$ |
| 斉次性 | $|cx| = |c|\,|x|$ | $\|cv\| = |c|\,\|v\|$ |
| 三角不等式 | $|x+y| \le |x|+|y|$ | $\|u+v\| \le \|u\|+\|v\|$ |
3.2 ベクトルノルム
$\mathbf{v} = (v_1, v_2, \ldots, v_n) \in \mathbb{R}^n$ に対して代表的なノルム:
$L^2$ ノルム $\|\mathbf{v}\|_2$ はユークリッド距離（原点からの直線距離）に一致する。 $n=1$ のとき $\|\mathbf{v}\|_2 = |v_1|$ でスカラーの絶対値に帰着する。
3.3 行列ノルム
$n \times n$ 行列 $A$ に対して代表的なノルム:
| 名称 | 定義 | 直感 |
|---|---|---|
| Frobenius ノルム | $\|A\|_F = \sqrt{\displaystyle\sum_{i,j} a_{ij}^2}$ | 全成分の絶対値の二乗和の平方根。ベクトル $L^2$ の行列版 |
| 誘導ノルム（作用素ノルム） | $\|A\| = \sup_{\|\mathbf{v}\|=1} \|A\mathbf{v}\|$ | $A$ が単位ベクトルを最大どれだけ伸ばすか |
行列ノルムには絶対値にはない重要な追加性質がある:
マクローリン展開 $e^{Qt} = \sum_{n=0}^\infty (Qt)^n/n!$ の収束を示すには、 各項 $\|(Qt)^n\|$ を上から抑える必要がある。劣乗法性を繰り返し使えば $\|(Qt)^n\| \le \|Q\|^n t^n$ となり: $$\left\|\sum_{n=0}^N \frac{(Qt)^n}{n!}\right\| \le \sum_{n=0}^N \frac{\|Q\|^n t^n}{n!} \xrightarrow{N\to\infty} e^{\|Q\| t} < \infty$$ これにより、任意の Q と任意の $t$ に対して $e^{Qt}$ が絶対収束することが保証される。 これがノルムを導入する主な動機である。
3.4 バナッハ代数 — $M_n(\mathbb{C})$ の代数的構造
§3.3 で示した劣乗法性は、より深い代数的構造に根ざしている。 完備ノルム空間（バナッハ空間）に乗法と劣乗法性が加わった構造をバナッハ代数という。
| 条件 | 内容 | $M_n(\mathbb{C})$ での確認 |
|---|---|---|
| 完備性 | コーシー列がすべて収束する | 有限次元の行列空間は完備である |
| 代数構造 | 乗法（行列積）が定義され、分配法則・結合法則を満たす | 行列積 $AB$ が定義されており成立する |
| 劣乗法性 | $\|AB\| \le \|A\| \cdot \|B\|$ | §3.3 で確認済み |
バナッハ代数においては、任意の元 $a$ に対して $\exp(a) = \sum_{n=0}^\infty a^n/n!$ が絶対収束することが保証される。 $M_n(\mathbb{C})$ がバナッハ代数であることが、$e^{Qt}$ の定義を 数学的に正当化する代数的根拠である。
3.5 コンパクト集合 $[0,T]$ 上の一様絶対収束
$e^{Qt}$ の収束には、各時刻 $t$ での点別収束より強い性質が成り立つ。
$\mathbb{R}$ 上のコンパクト集合とは「有界かつ閉」な集合のことである（Heine-Borel 定理）。 区間 $[0,T]$ はその典型例である。$[0,T]$ 上では次の評価が成立する:
右辺は $t$ に依存せず $T$ と $N$ のみに依存する。 すなわち収束の速さが $[0,T]$ 上で一様であり、これを一様絶対収束という。
一様収束が成立するとき、以下の操作が数学的に正当化される:
- 項別微分: $\dfrac{d}{dt}e^{Qt} = Q e^{Qt}$ — §4 の Kolmogorov 方程式の導出に使用される
- 項別積分: $\int_0^t e^{Qs}\,ds$ の計算
4. Kolmogorov 方程式の導出
Q 行列の定義から、$P(t)$ が満たす微分方程式を導出する。
4.1 前進方程式 (Forward Kolmogorov)
4.2 後進方程式 (Backward Kolmogorov)
図3. 微小時間 $dt$ での遷移演算子 $(I + Q\,dt)$ を $t/dt$ 回掛け合わせると $P(t) = e^{Qt}$ になる。
5. マクローリン展開 — 各項は「n 回遷移する」経路の総和
各項には明確な確率論的意味がある。
| 項 | 式 | 確率論的意味 | 直感 |
|---|---|---|---|
| 第 0 項 (n=0) | $I$ | テイラー展開の 0 次項。$P(0) = I$ の寄与の出発点 | 「何も起きなかった」寄与 |
| 第 1 項 (n=1) | $Qt$ | ちょうど 1 回遷移した経路の総寄与。$q_{ij}\cdot t$ は $i\to j$ へ 1 ステップの振幅 | 「1 回だけジャンプした」寄与 |
| 第 2 項 (n=2) | $(Qt)^2/2!$ | ちょうど 2 回遷移した経路の総寄与。$(Q^2)_{ij} = \sum_k q_{ik}q_{kj}$ | 「2 回ジャンプした」寄与 |
| 第 n 項 | $(Qt)^n/n!$ | ちょうど $n$ 回遷移した全経路の寄与の総和 | 「$n$ 回ジャンプした」寄与 |
スカラー $e^{at} = \sum_n (at)^n/n!$ における $n!$ と完全に同じ由来。 $(d^n/dt^n) e^{at}|_{t=0} = a^n$ を正規化する因子。 確率論的には Poisson 過程の事象数分布 $\mathrm{Pr}(N(t)=n) = (\lambda t)^n e^{-\lambda t}/n!$ の $n!$ に対応する。
いいえ。Q の対角成分は負であるため、個別の項 $(Qt)^n/n!$ は確率行列の条件を満たさず、 負の値を持つ成分が現れる。これらは「n 回遷移する経路の振幅（寄与）」であり、確率ではない。 無限和 $\displaystyle e^{Qt} = \sum_{n=0}^{\infty}\frac{(Qt)^n}{n!}$ が収束して初めて 有効な確率行列 $P(t)$ が得られる。
この無限和は収束するか？
はい。§3 で導入した行列ノルムの劣乗法性から $\|(Qt)^n\| \le \|Q\|^n t^n$ が成り立つため、 $\displaystyle\sum_n \|(Qt)^n/n!\| \le e^{\|Q\|t} < \infty$ が保証される。 Q がどんな行列であっても、$e^{Qt}$ は常に絶対収束する。
6. 前進と後進方程式が同じ解 $e^{Qt}$ を持つ理由
前進方程式 $\dot{P} = PQ$ と後進方程式 $\dot{P} = QP$ は一見異なるが、 初期条件 $P(0)=I$ のもとで解は同一の $P(t) = e^{Qt}$。理由は Q と $e^{Qt}$ の可換性にある。
6.1 $Q$ と $e^{Qt}$ の可換性の証明
証明. マクローリン展開から直接計算する:
$$Q \cdot e^{Qt} = Q \sum_{n=0}^{\infty} \frac{Q^n t^n}{n!} = \sum_{n=0}^{\infty} \frac{Q^{n+1} t^n}{n!}$$ $$e^{Qt} \cdot Q = \left(\sum_{n=0}^{\infty} \frac{Q^n t^n}{n!}\right) Q = \sum_{n=0}^{\infty} \frac{Q^{n+1} t^n}{n!}$$ 両辺が等しい。$\square$直感: $e^{Qt}$ は $Q$ の多項式の極限なので、$Q$ と交換する。 「ある行列の多項式」はその行列と必ず可換。
6.2 前進 vs 後進 — 何に使うかの違い
| 前進方程式 $\dot{P} = PQ$ | 後進方程式 $\dot{P} = QP$ | |
|---|---|---|
| 変数 | 終時刻 $t$、終状態 $j$ | 初期時刻（または初期状態 $i$） |
| 視点 | 「確率の流れを前へ追う」 | 「始点を変化させて結果を比較する」 |
| 典型的な応用 | マクロ電流 $p(t) = p(0)\,e^{Qt}$、定常分布 | 滞在時間分布、first passage time |
| 解 | どちらも $P(t) = e^{Qt}$（可換性から） | |
7. 計算上の対角化 — $e^{Qt}$ を効率的に求める
マクローリン展開は概念理解には最適であるが、無限和は数値計算に向かない。 実際の計算では Q の固有値分解を使う。
7.1 対角化の手順
Q が対角化可能とする。固有値 $\lambda_1, \ldots, \lambda_n$ と固有ベクトルを列に並べた行列 $V$ により:
7.2 固有値の意味
- 常に $\mathrm{Re}(\lambda_k) \le 0$（安定性条件 — 確率が発散しない）
- $\lambda_1 = 0$ は必ず 1 つ存在するか？ — はい。Q 行列の行和がすべて 0 であることから固有値 0 は常に（可約・非可約を問わず）少なくとも 1 つ存在する。既約な CTMC では固有値 0 はただ 1 つのみとなり、定常分布の一意性を保証する。
- 残りの固有値は $\mathrm{Re}(\lambda_k) < 0$（安定な緩和モード）。可逆（詳細釣り合いを満たす）モデルでは固有値はすべて実負となり、時定数 $\tau_k = -1/\lambda_k$ が明確に定義される。
これにより:
$$[e^{Qt}]_{ij} = \sum_k [V]_{ik}\, e^{\lambda_k t}\, [V^{-1}]_{kj}$$各状態間の遷移確率が「指数の和（線形結合）$\sum_k c_k e^{\lambda_k t}$」の形になる仕組みが見えてくる。
マクローリン展開は「なぜ指数関数が出るか」の概念的理解に使う。 解析的な公式導出では対角化が便利。ただし数値計算ライブラリ（MATLAB / Python の
expm）では数値的安定性のため、通常は Padé 近似 + scaling & squaring が用いられる（対角化ではない）。
8. 時間均一性の仮定と、それが破れる場合
もし Q が時間依存 $Q(t)$ の場合（電圧依存性チャネルで膜電位を変えながら記録する場合など）、 解は単純な行列指数関数にならない。代わりに時間順序積（Dyson 展開）が必要になる:
異なる時刻の $Q(s_1)$ と $Q(s_2)$ は一般に交換しないため、積分の順序が結果に影響する。 本解説では時間均一性を仮定するのでこの複雑さは不要。
9. 全体の統合図解
Q 行列を起点として、数学がどう展開するかを整理する。
| 出発点 | 操作 | 結果 |
|---|---|---|
| Q 行列（既知） | 微分方程式を立てる (Kolmogorov 方程式) | $dP/dt = PQ = QP$ |
| Kolmogorov 方程式 | 初期条件 $P(0)=I$ で解く | $P(t) = e^{Qt}$ |
| $P(t) = e^{Qt}$ | 固有値分解 $Q = V\Lambda V^{-1}$ | $P(t) = Ve^{\Lambda t}V^{-1}$（指数の和） |
| $P(t)$ と観測データ | 尤度関数を構成して最大化 | Q 行列の推定（逆問題） |
10. 2状態モデルの完全計算 — 式を手で追う
Open $\xrightarrow{\alpha}$ Closed $\xrightarrow{\beta}$ Open の 2 状態モデルで、$P(t) = e^{Qt}$ を明示的に計算する。
Step 1. Q 行列の設定
$$Q = \begin{pmatrix} -\alpha & \alpha \\ \beta & -\beta \end{pmatrix}$$Step 2. 固有値の計算
$$\det(\lambda I - Q) = \lambda(\lambda + \alpha + \beta) = 0 \implies \lambda_1 = 0, \quad \lambda_2 = -(\alpha + \beta)$$Step 3. $e^{Qt}$ の計算（Sylvester / Cayley-Hamilton 公式）
2×2 行列で固有値が異なる場合には:
$$e^{Qt} = \frac{e^{\lambda_2 t}(\lambda_1 I - Q) - e^{\lambda_1 t}(\lambda_2 I - Q)}{\lambda_1 - \lambda_2}$$ 代入して整理すると:Step 4. 解釈
- $t \to \infty$ で $e^{-(\alpha+\beta)t} \to 0$: 各行が $\bigl(\beta/(\alpha+\beta),\; \alpha/(\alpha+\beta)\bigr)$ に収束 → 定常分布
- $t \to 0$ で $P(0) = I$: 初期条件を満たす
- 時定数は $\tau = 1/(\alpha + \beta)$: Open と Closed の速度の合計が緩和時間を決める
- Q 行列は「微小時間 $dt$ の遷移を記述する演算子」= infinitesimal generator
- Kolmogorov 方程式は「$dt \to 0$ の連続時間極限」であり、解は $P(t)=e^{Qt}$
- ノルムは絶対値のベクトル・行列版。劣乗法性が $e^{Qt}$ の収束を保証する
- マクローリン展開の第 $n$ 項 $(Qt)^n/n!$ は「$n$ 回遷移する経路の総寄与」
- 前進と後進が同じ解を持つのは Q と $e^{Qt}$ の可換性から自動的に従う
- 計算では対角化 $e^{Qt}=Ve^{\Lambda t}V^{-1}$ を使い、固有値が時定数・状態数を決める
参考文献
- Colquhoun, D. & Hawkes, A. G. (1995). The principles of the stochastic interpretation of ion channel mechanisms. In: Sakmann, B. & Neher, E. (eds.) Single-Channel Recording, 2nd ed., pp. 397–482. Plenum Press.
- Colquhoun, D. & Hawkes, A. G. (1977). Relaxation and fluctuations of membrane currents that flow through drug-operated channels. Proc. R. Soc. Lond. B, 199, 231–262.
- Colquhoun, D. & Hawkes, A. G. (1981). On the stochastic properties of single ion channels. Proc. R. Soc. Lond. B, 211, 205–235.