[論文レビュー] Agents.jl: A performant and feature-full agent based modelling software of minimal code complexity

George Datseris, Ali R. Vahdati+1 more|arXiv (Cornell University)|Jan 25, 2021

Modeling, Simulation, and Optimization参考文献 22被引用数 8

ひとこと要約

Agents.jl は、Julia で構築された高パフォーマンスでコード量が最小限のエージェントベースモデリングフレームワークであり、NetLogo や Mesa や MASON といった先進的な代替ツールを上回る速度とコードの簡潔さを実現しながら、より洗練された機能と Julia エコシステム全体へのシームレスな統合を提供する。これにより、迅速なプロトタイプ作成、効率的なパrameter最適化、高度なモデリング機能を大幅な開発複雑性の低下とともに実現できる。

ABSTRACT

Agent based modelling is a simulation method in which autonomous agents interact with their environment and one another, given a predefined set of rules. It is an integral method for modelling and simulating complex systems, such as socio-economic problems. Since agent based models are not described by simple and concise mathematical equations, code that generates them is typically complicated, large, and slow. Here we present Agents.jl, a Julia-based software that provides an ABM analysis platform with minimal code complexity. We compare our software with some of the most popular ABM software in other programming languages. We find that Agents.jl is not only the most performant, but also the least complicated software, providing the same (and sometimes more) features as the competitors with less input required from the user. Agents.jl also integrates excellently with the entire Julia ecosystem, including interactive applications, differential equations, parameter optimization, and more. This removes any ``extensions library'' requirement from Agents.jl, which is paramount in many other tools.

研究の動機と目的

• エージェントベースモデリング（ABM）ソフトウェアにおいて一般的な高いコード複雑性と低いパフォーマンスを是正すること。
• 機能を最大化しつつ必要なコード量を最小限に抑えることで、ABM作成者の開発負荷を軽減すること。
• 微分方程式、最適化、可視化、インタラクティブモデリングなど、広範な Julia エコシステムへのシームレスな統合を可能にすること。
• 複雑な ABM 開発における再現性、拡張性、共同作業の向上を図ること。
• NetLogo やその他の分野特化型ツールとは異なり、現代的で汎用的な ABM フレームワークを提供し、高速かつ学習が容易であることを実現すること。

提案手法

• フレームワークはすべて Julia で実装されており、そのハイレベルな構文とジャストインタイムコンパイルを活用して最適なパフォーマンスを達成している。
• エージェント、空間、ルール、時間ステップといった ABM のコアコンponents を、最小限のボイラープレートで済む洗練された、合成可能な API に抽象化している。
• Agents.jl は、離散グリッド、連続空間、有向グラフ、およびリアルな空間モデリングに適した OpenStreetMap 統合を含む、複数の空間タイプをサポートしている。
• 組み込みの可視化および GUI ツールを介して、自動データ収集、パrameterの探索、インタラクティブなモデル実行を可能にしている。
• DifferentialEquations.jl や BlackBoxOptim.jl、ModelingToolkit.jl といった Julia パッケージとネイティブに統合されており、ハイブリッドモデリングや最適化が可能である。
• Julia のメタプログラミングおよびマクロシステムを活用し、将来的には ODD プロトコルテンプレートの生成をサポートすることで、モデル文書化と再現性の向上を図る。

実験結果

リサーチクエスチョン

• RQ1 NetLogo や Mesa や MASON といった既存のツールを上回る速度と簡潔さを実現できる現代的で汎用的なプログラミング言語（Julia）を用いて ABM フレームワークを構築できるか？
• RQ2 Agents.jl は、NetLogo や Mesa や MASON と比較して、複雑な ABM を実装するために必要なコード量をどの程度削減できるか？
• RQ3 Agents.jl は、さまざまな ABM 応用分野において、実行速度とスケーラビリティの点でどの程度の性能を示すか？
• RQ4 Agents.jl は、外部プラグインを必要とせずに、Julia エコシステム内の高度な分析ツールとどの程度統合できるか？
• RQ5 Agents.jl は、微分方程式、最適化、カスタム空間タイプといった複雑なモデリング拡張を、コードの複雑性を増すことなくサポートできるか？

主な発見

• Agents.jl は、すべてのベンチマークモデルにおいて、NetLogo や Mesa や MASON を含むすべての評価対象フレームワークの中で最高のパフォーマンスを達成している。
• 同様のモデルを実装するにあたり、競合他社のフレームワークと比較して著しくコード量が少ない。特に一例として、Mesa と比較して 50% のコード量削減が確認された。
• BlackBoxOptim.jl を用いた最適化により、感染率などのパrameterを調整した結果、疫学的 SIR モデルで感染者数を全人口の 94% から 0.04% まで削減できた。
• フレームワークは、ヘキサゴナルグリッドや OpenStreetMap を含むマルチエージェント空間タイプ、柔軟なデータ収集、最小限のユーザー入力で自動パラメータスイープが可能な高度な機能をサポートしている。
• Agents.jl は、微分方程式、ベイズ推論、進化的最適化など、Julia のエコシステムへのシームレスな統合を実現しており、外部ライブラリやプラグインの導入を必要としない。
• 拡張性と再現性を考慮した設計となっており、Julia のマクロを用いた ODD プロトコルテンプレート生成の計画が進められており、モデルの透明性と再利用性の向上が期待される。