[論文レビュー] A Multilevel Monte Carlo Ensemble Scheme for Solving Random Parabolic PDEs

Yan Luo, Zhu Wang|arXiv (Cornell University)|Feb 15, 2018

Probabilistic and Robust Engineering Design参考文献 21被引用数 8

ひとこと要約

本稿では、2次精度のアンサンブル時間積分スキームと多層モンテカルロサンプリングを組み合わせることで、確率的放物型PDEを解くためのマルチレベルモンテカルロアンサンブル法を提案する。この手法は、各レベルで複数の右辺を同時に解く1つの線形システムを解くことで、計算コストを著しく低減し、標準モンテカルロ法よりも効率的でありながら高い精度を維持する。最適収束率を達成する。

ABSTRACT

A first-order, Monte Carlo ensemble method has been recently introduced for solving parabolic equations with random coefficients in [26], which is a natural synthesis of the ensemble-based, Monte Carlo sampling algorithm and the ensemble-based, first-order time stepping scheme. With the introduction of an ensemble average of the diffusion function, this algorithm leads to a single discrete system with multiple right-hand sides for a group of realizations, which could be solved more efficiently than a sequence of linear systems. In this paper, we pursue in the same direction and develop a new multilevel Monte Carlo ensemble method for solving random parabolic partial differential equations. Comparing with the approach in [26], this method possesses a high-order accuracy in time and further reduces the computational cost by using the multilevel Monte Carlo method. Rigorous numerical analysis shows the method achieves the optimal rate of convergence. Several numerical experiments are presented to illustrate the theoretical results.

研究の動機と目的

• 確率的係数を有する確率的放物型PDEを解くための計算効率の向上を目的とする。
• 不確実性定量化における標準モンテカルロ法の高い計算コストを解決することを目的とする。
• アンサンブルベースのアプローチを、より高い時間精度と分散低減を実現する多層フレームワークに拡張することを目的とする。
• 厳密な数値解析を通じて、L2およびH1ノルムにおける最適収束率の達成を目的とする。
• 数値実験を通じて、本手法が標準モンテカルロ法および個別シミュレーションを上回ることを示すこと。

提案手法

• 本手法は、すべてのアンサンブルメンバーで共通の係数行列を共有する2次精度のアンサンブルベース時間積分を採用し、複数の右辺を効率的に解くことを可能にする。
• 分散低減のため、大部分のシミュレーションを低分解能で、少数を高分解能で行う多層モンテカルロ（MLMC）フレームワークを統合する。
• 階層的サンプリング戦略を用い、レベル$l$で$J_l = 2^{4(L-l)+1}$個のサンプルを確保することで、精度とコストの最適なバランスを実現する。
• 空間離散化には2次有限要素法を用い、小スケール問題ではLU分解により解を計算する。
• すべての実現間で係数行列の構造を維持するために、拡散係数のアンサンブル平均が使用される。これにより、行列の再利用が可能になる。
• 最終時刻における期待解は$\Psi_h^E(\mathbf{x}) = \Psi[u_L^E(t_{N_L})]$により計算され、誤差ノルムを通じて収束性が検証される。

実験結果

リサーチクエスチョン

• RQ1 マルチレベルモンテカルロアンサンブル法は、確率的放物型PDEに対して、1次精度アンサンブルモンテカルロ法よりも高い時間精度と低い計算コストを達成できるか？
• RQ2 提案手法は、確率的係数を有する確率的放物型PDEに対して、L2およびH1ノルムの両方で最適収束率を維持するか？
• RQ3 アンサンブルベースのMLMC手法の計算効率は、標準の個別モンテカルロシミュレーションと比較してどの程度高いか？
• RQ4 複数のレベルにわたる階層的サンプリングを用いることで、分散を効果的に低減しながら精度を維持できるか？
• RQ5 共通の係数行列とブロック線形ソルバーの使用が、アンサンブル設定における全体のシミュレーション性能に与える影響は何か？

主な発見

• EMLMC手法は、最も細かいメッシュサイズ$h_L$に関して、$\mathcal{E}_{L^2}$および$\mathcal{E}_{H^1}$の両方で2次の最適収束率を達成し、理論的予測を確認した。
• 数値実験の結果、EMLMC解は平均解において参照となる個別モンテカルロシミュレーションと$10^{-4}$以内で一致し、高い精度を示した。
• EMLMC手法により、CPU時間は個別シミュレーションの$1.01 \times 10^4$秒から$2.65 \times 10^3$秒にまで短縮され、3.8倍の高速化が達成された。
• 各レベルでの安定性条件を満たすようにサンプルサイズを調整しても、本手法は安定性と精度を維持した。
• 複数回のメッシュ細分化においても、$h_L$に関する2次の収束次数が一貫して観測され、理論的分析の妥当性が裏付けられた。
• アンサンブルの効率性と多層の分散低減を効果的に組み合わせた本手法は、精度とコストの両面で標準モンテカルロ法を上回る優れた性能を示した。