[論文レビュー] Emulation and History Matching using the hmer Package

Andrew Iskauskas, Ian Vernon+5 more|arXiv (Cornell University)|Sep 12, 2022

Simulation Techniques and Applications被引用数 11

ひとこと要約

この論文は、コンピュータモデルのキャリブレーションにおける統計的エミュレーションとヒストリーマッチングを可能にする hmer Rパッケージを紹介している。これにより、効率的な不確実性の定量化とパラメータ推定が可能となる。ガウス過程エミュレーションとヒストリーマッチングを組み合わせ、複雑な入出力関係を有する高次元モデルにおいて、妥当なパラメータ範囲を特定する。実験では、高い性能を示した。

ABSTRACT

Modelling complex real-world situations such as infectious diseases, geological phenomena, and biological processes can present a dilemma: the computer model (referred to as a simulator) needs to be complex enough to capture the dynamics of the system, but each increase in complexity increases the evaluation time of such a simulation, making it difficult to obtain an informative description of parameter choices that would be consistent with observed reality. While methods for identifying acceptable matches to real-world observations exist, for example optimisation or Markov chain Monte Carlo methods, they may result in non-robust inferences or may be infeasible for computationally intensive simulators. The techniques of emulation and history matching can make such determinations feasible, efficiently identifying regions of parameter space that produce acceptable matches to data while also providing valuable information about the simulator's structure, but the mathematical considerations required to perform emulation can present a barrier for makers and users of such simulators compared to other methods. The hmer package provides an accessible framework for using history matching and emulation on simulator data, leveraging the computational efficiency of the approach while enabling users to easily match to, visualise, and robustly predict from their complex simulators.

研究の動機と目的

• 科学的モデリングにおける統計的エミュレーションとヒストリーマッチングのためのスケーラブルで使いやすいRパッケージの開発を目的とする。
• 高次元の入力空間を有する複雑で計算コストの高いモデルのキャリブレーションにおける課題に対処することを目的とする。
• 繰り返しヒストリーマッチングを通じて、妥当なパラメータ範囲を効率的かつ正確に特定するプロセスの効率化と正確性を向上させることを目的とする。
• 再現可能で拡張可能なフレームワークを提供し、科学的シミュレーションにおける不確実性の定量化を支援することを目的とする。

提案手法

• hmerパッケージは、コンピュータモデル出力を確率過程として近似するガウス過程ベースのエミュレーションを実装している。
• 観測データとの差異に基づいて、段階的に妥当でないパラメータ領域を除外するためのヒストリーマッチングを用いている。
• モデル出力と観測データの差を定量化する差異測度を用いて、パラメータ空間の縮小を導く。
• ラティスプロットと周辺分布を用いて、パラメータ空間における不確実性の可視化をサポートしている。
• エミュレーション、ヒストリーマッチング、診断のためのモジュラー関数を提供し、既存のRワークフローと統合している。
• 次元削減と効率的なサンプリング戦略を用いることで、高次元モデルに特化したアプローチを設計している。

実験結果

リサーチクエスチョン

• RQ1 統計的エミュレーションとヒストリーマッチングを、科学的モデリングに適したスケーラブルなRパッケージとして効果的に実装する方法は何か？
• RQ2 hmerパッケージは、高次元のコンピュータモデルにおける妥当なパラメータ空間の縮小において、どの程度の性能を示すか？
• RQ3 hmerフレームワークは、シミュレーションモデルにおける複雑で非線形な入出力関係をどのように処理するか？
• RQ4 ブルートフォースアプローチと比較して、hmerパッケージはどの程度キャリブレーションの効率を向上させられるか？

主な発見

• hmerパッケージは、繰り返しヒストリーマッチングを用いて、高次元モデルにおける妥当なパラメータ空間を効果的に縮小し、キャリブレーションの効率を向上させた。
• パッケージが生成するラティスプロットは、パラメータの組み合わせにおける不確実性を効果的に可視化し、重要な入力の相互作用を浮き彫りにした。
• 妥当領域の体積が顕著に減少しており、光学的密度指標がモデル入力に対する強い制約を示している。
• 1次元および2次元の周辺分析をサポートしており、重要パラメータの的確な探索が可能である。
• 複雑なモデルに対しても高い頑健性を示し、モデルの妥当性とパラメータ不確実性の明確な診断機能を備えている。