[論文レビュー] A Symplectic Method to Generate Multivariate Normal Distributions

C. Baumgarten|arXiv (Cornell University)|May 16, 2012

Scientific Research and Discoveries参考文献 1被引用数 7

ひとこと要約

本稿では、コレスキー分解を回避するため、任意の共分散構造を持つ多変量正規分布を生成するための実ディラック行列（RDM）を用いたシンプレクティック手法を提示する。独立した標準正規変数に、RDMから導かれる逆シンプレクティック変換を適用することで、目的の共分散と高い精度で一致する相関のある分布を効率的に生成する。六次元分布を用いた数値シミュレーションにより、その有効性が検証された。

ABSTRACT

The AMAS group at the Paul Scherrer Institute developed an object oriented library for high performance simulation of high intensity ion beam transport with space charge. Such particle-in-cell (PIC) simulations require a method to generate multivariate particle distributions as starting conditions. In a preceeding publications it has been shown that the generators of symplectic transformations in two dimensions are a subset of the real Dirac matrices (RDMs) and that few symplectic transformations are required to transform a quadratic Hamiltonian into diagonal form. Here we argue that the use of RDMs is well suited for the generation of multivariate normal distributions with arbitrary covariances. A direct and simple argument supporting this claim is that this is the "natural" way how such distributions are formed. The transport of charged particle beams may serve as an example: An uncorrelated gaussian distribution of particles starting at some initial position of the accelerator is subject to linear deformations when passing through various beamline elements. These deformations can be described by symplectic transformations. Hence, if it is possible to derive the symplectic transformations that bring up these covariances, it is also possible to produce arbitrary multivariate normal distributions without Cholesky decomposition. The method allows the use of arbitrary uncoupled distributions. The functional form of the coupled multivariate distributions however depends in the general case on the type of the used random number generator. Only gaussian generators always yield gaussian multivariate distributions.

研究の動機と目的

• 高パフォーマンスな粒子-場（PIC）シミュレーションを想定し、任意の共分散行列を持つ多変量正規分布を計算的に効率的に生成する手法の開発。
• 加速器物理学における線形ビームダイナミクスおよびカップリングをモデル化するため、特に実ディラック行列（RDM）から導かれるシンプレクティック変換を活用すること。
• ビーム輸送における正準変換によって物理的構造を保ちながら、コレスキー分解の代替となる手法を提供すること。
• OPALのような追跡コードにおいて、任意の初期相関構造を持つ初期粒子分布を生成可能にする。

提案手法

• シンプレクティック変換の生成子として実ディラック行列（RDM）を用い、行列積に関して閉じており、ハミルトニアン系のシンプレクティック構造を保存する。
• 与えられた共分散行列を対角化するために用いられる分離変換の逆変換を適用するための変換行列 M を RDM から構築する。
• 独立した標準正規乱数を生成し、それらを目的共分散行列の固有値の平方根でスケーリングする。
• スケーリングされた変数を M⁻¹ で変換することで、所望の共分散構造を持つ多変量正規分布を生成する。
• シンプレクティック行列がシンプレクティック形式 γ₀ を保存することに基づき、変換後の分布が正しい2次モーメント統計的性質を保持することを保証する。
• 4次元以上の系に対しては、4×4ブロックに分割して、ペアの正準変数 (q, p) を逐次処理することで反復的に適用する。

実験結果

リサーチクエスチョン

• RQ1 実ディラック行列に基づくシンプレクティック変換を用いて、コレスキー分解を回避しつつ、任意の共分散行列を持つ多変量正規分布を生成できるか？
• RQ2 シンプレクティック代数の使用が、ビームダイナミクスシミュレーションにおける相関粒子分布の生成をどのように簡素化するか？
• RQ3 初期分布の種別（例：正規分布対一様分布）が、シンプレクティック変換後の多変量分布の関数形に与える影響は何か？
• RQ4 この手法は4変数を超える高次元系へどの程度拡張可能か？
• RQ5 線形輸送系における観測された共分散行列と期待される共分散行列を比較することで、この手法を用いて初期分布の未知パラメータを同定できるか？

主な発見

• 本手法は、10⁵個のサンプルから計算された共分散行列と非常に近い結果を示す、6次元多変量正規分布を的確に生成した。
• 変換後の共分散行列と目標共分散行列との差のフロベニウスノルムは0.05%未満であり、高い数値的精度が確認された。
• 変換後の共分散行列の対角成分は、それぞれ5.7946、0.8917、3.5910、0.6849、7.0928、0.7294であり、所望の分散とよく一致していた。
• 非対角成分は小さく、目標行列と一貫しており、相関の正確なモデル化が達成された。
• 一様分布を初期分布として用いた場合でも、本手法は正しい共分散行列を再現したが、中心極限定理の作用により周辺分布は概ね正規分布に近づいた。
• コレスキー分解を回避し、代わりにシンプレクティック代数を用いることで、物理的に意味のあるかつ数値的に安定した代替手法をビームダイナミクスシミュレーションに提供した。