[論文レビュー] Computer Model Emulation with High-Dimensional Functional Output in Large-Scale Observing System Uncertainty Experiments

Pulong Ma, Anirban Mondal+4 more|arXiv (Cornell University)|Nov 21, 2019

Atmospheric and Environmental Gas Dynamics参考文献 39被引用数 5

ひとこと要約

本論文は、NASAのOCO-2ミッションにおける大規模観測システム不確実性実験（OSUEs）のための高次元関数的エミュレータを提案する。基底関数展開とアクティブサブスぺース次元削減を用いた最近傍ガウス過程（NNGP）を採用し、計算コストを低減しながら、完全ベイズ推論によるCO₂リトライバルの不確実性評価を高速に実現する。この手法は、低次元モデルや他の統計的エミュレータと比較して、検証において優れた性能を示す。

ABSTRACT

Observing system uncertainty experiments (OSUEs) have been recently proposed as a cost-effective way to perform probabilistic assessment of retrievals for NASA's Orbiting Carbon Observatory-2 (OCO-2) mission. One important component in the OCO-2 retrieval algorithm is a full-physics forward model that describes the mathematical relationship between atmospheric variables such as carbon dioxide and radiances measured by the remote sensing instrument. This forward model is complicated and computationally expensive but large-scale OSUEs require evaluation of this model numerous times, which makes it infeasible for comprehensive experiments. To tackle this issue, we develop a statistical emulator to facilitate large-scale OSUEs in the OCO-2 mission with independent emulation. Within each distinct spectral band, the emulator represents radiances output at irregular wavelengths via a linear combination of basis functions and random coefficients. These random coefficients are then modeled with nearest-neighbor Gaussian processes with built-in input dimension reduction via active subspace. The proposed emulator reduces dimensionality in both input space and output space, so that fast computation is achieved within a fully Bayesian inference framework. Validation experiments demonstrate that this emulator outperforms other competing statistical methods and a reduced order model that approximates the full-physics forward model.

研究の動機と目的

• OCO-2ミッションにおけるフルフィジックス前方モデルの評価にかかる高コストにより、大規模観測システム不確実性実験（OSUEs）が計算的に非現実的であるという問題に対処する。
• 複数のスペクトルバンドにわたる不規則に配置された高次元スペクトル放射度を効率的に扱える統計的エミュレータを開発する。
• 物理的整合性を保ちつつ、入力空間および出力空間の次元削減を実現し、CO₂リトライバルの不確実性評価に完全ベイズ推論を可能にする。
• 既存の低次元モデル（ROMs）や標準的統計エミュレータの精度とスケーラビリティの限界を克服する。

提案手法

• 出力空間の次元削減のため、スペクトル放射度をランダム係数付きの基底関数（例えばBスプラインまたはフーリエ型）の線形結合として表現する。
• ランダム係数を、非等方的相関関数（Matérn、指数型、または非同次超幾何関数）を用いた最近傍ガウス過程（NNGP）でモデル化し、柔軟な依存構造を実現する。
• 入力次元削減のため、前方モデル出力の分散をほとんど説明する低次元多様体を大気状態空間で特定するアクティブサブスぺース法を統合する。
• スパース精度行列を活用し、NNGPの計算効率を活かして大規模データセットに対応する、統合された尤度フレームワークを構築し、完全ベイズ推論を可能にする。
• 相関パラメータと観測誤差分散にハイパーパriorを組み込む階層的事前分布構造を採用し、モデルのすべての構成要素における不確実性評価を可能にする。
• スパース行列技術を実装し、大規模な共分散行列の行列式と逆行列を効率的に計算することで、大規模OSUEsへのスケーラビリティを確保する。

実験結果

リサーチクエスチョン

• RQ1 統計的エミュレータは、フルフィジックス前方モデルの忠実性を保ちつつ、OCO-2ミッションにおける大規模OSUEsの計算負荷を軽減できるか？
• RQ2 アクティブサブスぺース法は、予測精度を損なわずに、高次元大気状態空間における入力次元をどの程度効果的に削減できるか？
• RQ3 提案された関数的エミュレータは、スペクトル放射度およびCO₂リトライバルの不確実性予測において、低次元モデルや標準的統計エミュレータをどの程度上回るか？
• RQ4 関数的基底表現とNNGPモデリングの組み合わせにより、リモートセンシング応用における高次元関数的出力に対して、高速かつ完全ベイズ推論を実現できるか？

主な発見

• 提案されたエミュレータは、フルフィジックス前方モデルと比較して計算コストを顕著に低減し、かつて不可能とされていた大規模OSUEsの実行を可能にする。
• 検証実験の結果、複数のスペクトルバンドにわたり、低次元モデル（ROM）および他の競合エミュレータと比較して、予測精度が優れていることが示された。
• アクティブサブスぺース法により、出力分散のおよそ95％以上を説明する低次元入力部分空間（通常2〜5次元）が特定され、入力空間の次元削減が有効に実現された。
• NNGPを用いたランダム係数モデリングにより、不規則に配置されたスペクトル波長に対しても、柔軟な相関構造のおかげで高い予測精度が達成された。
• エミュレータは完全ベイズ推論の能力を維持し、OSUEsにおけるリトライバル誤差分布の整合的な不確実性推定を提供した。
• フルフィジックス評価と比較して、実行時間の90〜95％の短縮が達成された一方で、スペクトル放射度の予測誤差は1μW/m²未満の水準を維持した。