[論文レビュー] Efficient uniform designs for multi-wave computer experiments

Daniel Williamson, Ian Vernon|arXiv (Cornell University)|Sep 13, 2013

Advanced Multi-Objective Optimization Algorithms参考文献 13被引用数 10

ひとこと要約

本稿では、履歴マッチングによってまだ除外されない（NROY）領域として特定された、非常に小さく複雑なコンピュータモデル入力空間の部分領域において、一様設計を生成するための効率的な発展的モンテカルロアルゴリズム、不条理度駆動型発展的モンテカルロ（IDEMC）を提案する。不条理度のしきい値を用いてNROY領域に焦点を当てることで、IDEMCは、超小部分空間（例：元の空間の0.001%）において、拒否サンプリングと比較して桁違いに高い効率を達成し、拒否サンプリングが失敗する状況でも実行可能なサンプリングを可能にする。

ABSTRACT

In this paper we tackle the problem of generating uniform designs in very small subregions of computer model input space that have been identified in previous experiments as worthy of further study. The method is capable of producing uniform designs in subregions of computer model input space defined by a membership function that consists of a continuous function passing a threshold test, and does so far more efficiently than current methods when these subregions are small. Our application is designing for regions of input space that are not ruled out by history matching, a statistical methodology applied in numerous diverse scientific applications whereby model runs are used to cut out regions of input space that are incompatible with real world observations. History matching defines a membership function for a region of input space that is not ruled out yet by observations in the form of a distance metric called implausibility. We use this distance metric to drive a new type of Evolutionary Monte Carlo algorithm with a uniform distribution on the not ruled out yet region as its target distribution. The algorithm can locate and generate uniform points within extremely small subspaces of the computer model input space with complex and even disconnected topologies. We illustrate the performance of the technique in comparison to current methods with a number of idealised examples. We then apply our algorithm to generating an optimal design for the not ruled out yet region of a galaxy simulation model called GALFORM following 4 previous waves of history matching where the target region is 0.001% the volume of the input space.

研究の動機と目的

• 履歴マッチング後に残る、極めて小さく複雑なコンピュータモデル入力空間の部分領域における一様設計の生成という課題に対処すること。
• NROY領域が元の入力空間の極めて小さな割合を占める場合に、拒否サンプリングが非効率的かつ非実行可能となる問題を克服すること。
• NROY領域を的確に狙い、その後続の実験波における良好なカバー範囲を保証する効率的なサンプリング手法を開発すること。
• 拒否サンプリングがいかなるサンプルも生成できない状況においても、NROY領域が空集合か非空集合かを信頼性を持って同定できること。
• NROY領域におけるスケーラブルで一様なサンプリングフレームワークを提供することで、最適なマルチウェーブコンピュータ実験の設計を支援すること。

提案手法

• 本手法は、不条理度のしきい値によって定義されるNROY領域上に一様分布をもつ目標分布を有する発展的モンテカルロアルゴリズムを用いる。
• 動的不条理度ラダー選択戦略を採用し、NROY領域への探索を導く。しきい値を動的に調整することで、最も関連性の高い部分領域に集中してサンプリングを行う。
• アルゴリズムは入力空間において点を逐次提案し、その不条理度スコアが目標しきい値に対して相対的に高いかどうかに基づいて受容または拒否する。これにより、NROY領域への収束が保証される。
• マルコフ連鎖モンテカルロの原則と履歴マッチングフレームワークを統合し、トポロジーが複雑で非連結な高次元部分空間を効率的に探索する。
• NROY領域が元の入力体積の10^-5から10^-18の範囲にすら小さくても、本手法はロバストに動作するように設計されている。
• 本手法はエミュレータを用いて不条理度スコアを高速に計算し、サンプリング中はフルコンピュータモデルの直接シミュレーションを回避する。

実験結果

リサーチクエスチョン

• RQ1 履歴マッチングによって除外されない極めて小さなコンピュータモデル入力空間の部分領域において、一様設計を効率的に生成することは可能か？
• RQ2 拒否サンプリングと比較して、IDEMCは超小部分空間（例：元の体積の0.1%未満）におけるNROY領域でどの程度高い効率を発揮するか？
• RQ3 拒否サンプリングが失敗する状況においても、IDEMCはNROY領域が空集合か非空集合かを信頼性を持って同定できるか？
• RQ4 NROY領域が縮小する中で、カバー範囲と情報量の最大化を図るためのマルチウェーブコンピュータ実験の設計はどのように行えるか？
• RQ5 NROY領域からの一様サンプリングが、その後続のウェーブにおける最適な設計選択を可能にする役割は何か？

主な発見

• 実世界のGALFORM銀河シミュレーションモデルへの応用において、NROY領域が元の入力体積の0.001%であったが、IDEMCは拒否サンプリングよりも18倍以上も高い効率を発揮した。
• 元の空間の0.1%未満の目標部分体積において、IDEMCの効率は拒否サンプリングを著しく上回り、体積が小さくなるに従いその差が急激に拡大した。
• NROY領域体積が10^-18の合成例において、拒否サンプリングは非現実的であったが、IDEMCは正常に領域を特定し、その領域からのサンプリングに成功した。
• アルゴリズムはGALFORMモデルの重要なパラメータに二峰性の兆候を明らかにした。これは、拒否サンプリングでは見逃されがちなNROY領域内の複雑な構造を示している。
• 不条理度しきい値が目標値を超えて収束することを観察することで、IDEMCはNROY領域が空集合か非空集合かを信頼性を持って同定できる。これは、モデルの適切さを診断するためのツールを提供する。
• 本手法は、NROY領域が極めて微小であっても、その領域から大規模で一様なサンプルを生成できるため、将来の履歴マッチングのウェーブを支援し、堅牢な統計的推論と設計選択を可能にする。