[論文レビュー] Broken Detailed Balance and Non-Equilibrium Dynamics in Noisy Social Learning Models

Tushar Vaidya, Thiparat Chotibut+1 more|arXiv (Cornell University)|Jun 27, 2019

Opinion Dynamics and Social Influence参考文献 100被引用数 4

ひとこと要約

本稿は、確率的ノイズを伴う連続時間的・Degroot型の社会的学習モデルを導入し、エージェントが重み付き平均化と確率的ノイズを介して意見を更新する仕組みを提示する。コンSENSUSは破壊されるが、系は詳細なバランスが破れた非平衡定常状態（NESS）に収束し、非ゼロの確率的フリックス（流れ）を伴い、持続的な意見相関を符号化する。これは、解析的・数値的妥当性を伴う、シンプルな社会的学習フレームワークにおけるNEOSの明示的実現の初の例である。

ABSTRACT

We propose new Degroot-type social learning models with feedback in a continuous time, to investigate the effect of a noisy information source on consensus formation in a social network. Unlike the standard Degroot framework, noisy information models destroy consensus formation. On the other hand, the noisy opinion dynamics converge to the equilibrium distribution that encapsulates correlations among agents' opinions. Interestingly, such an equilibrium distribution is also a non-equilibrium steady state (NESS) with a non-zero probabilistic current loop. Thus, noisy information source leads to a NESS at long times that encodes persistent correlated opinion dynamics of learning agents. Our model provides a simple realization of NESS in the context of social learning. Other phenomena such as synchronization of opinions when agents are subject to a common noise are also studied.

研究の動機と目的

• ノイズのある情報フィードバック下での連続時間的意見動態をモデル化し、古典的Degrootモデルを拡張すること。
• ノイズがコンセンサスを破壊する一方で非平衡定常状態（NESS）を可能にする仕組みを解明すること。
• ノイズ付き系における平衡分布が、非ゼロの確率的フリックスを有する非平衡定常状態（NESS）であることを示すこと。
• 共通のノイズ源にさらされたマルチエージェント学習における意見の同期を調査すること。
• 物理的に解釈可能で数学的に厳密な、社会的学習文脈におけるNEOSの具体例を提供すること。

提案手法

• 伊藤カルキュラスを用いて、連続時間的意見動態のための確率微分方程式（SDE）を定式化する。
• エージェントの意見を、共通のノイズ源と個々の学習速度に影響を受ける確率過程としてモデル化する。
• Fokker-Planck方程式を用いて、意見の定常（平衡）確率密度を導出する。
• Kalman可制御性行列解析を用いて、定常密度の正則性およびスパム（台）を評価する。
• 確率的ルンゲ＝クッタ法を用いた数値シミュレーションにより、軌道、フラックス（流れ）場、定常分布を可視化する。
• 定常フラックス（流れ）場の分析を通じて、詳細なバランスの破れを検出するとともに、非平衡的行動を定量化する。

実験結果

リサーチクエスチョン

• RQ1 社会的学習モデルにおけるノイズのある情報源は、コンセンサスの代わりに非平衡定常状態（NESS）を生じさせるか？
• RQ2 共通のノイズを伴う意見動態において、詳細なバランスの破れはどのように生じるのか。また、これにより相関構造にどのような意味が生じるか？
• RQ3 学習速度は、共通ノイズへの感受性および揺らぎへの感受性を決定づける役割を果たすか？
• RQ4 エージェントが共通のノイズ源にさらされた場合、どのような条件下で意見が同期するか？
• RQ5 定常分布とフラックス場は、持続的な相関関係と非平衡的ダイナミクスをどのように反映しているか？

主な発見

• 系は、非ゼロの確率的フリックスループを特徴とする定常分布に収束し、これは非平衡定常状態（NESS）である。
• 定常分布は詳細なバランスが破れていることが確認され、位相空間における非ゼロのフラックス場によって裏付けられている。
• 定常分布の共分散行列は、エージェント間の2時間相関を符号化しており、固有方向はより速い学習者に向かって回転する。
• エージェントが共通のノイズ源にさらされた場合、意見の同期が生じる。同期の度合いは学習速度とノイズ強度に依存する。
• Kalman可制御性行列解析により、エージェントが最小限に相互作用している、または同じ学習速度を持つ場合、漸近的密度が低次元部分空間に収縮する可能性があることが判明した。
• 数値的シミュレーションにより、経験的定常ヒストグラムと解析的に予測された共分散行列C*を有するガウス分布との一致が確認された。