[論文レビュー] Eryn : A multi-purpose sampler for Bayesian inference

Nikolaos Karnesis, Michael L. Katz+3 more|arXiv (Cornell University)|Mar 3, 2023

Pulsars and Gravitational Waves Research参考文献 93被引用数 5

ひとこと要約

Eryn は、可逆ジャンプ MCMC と並列温度法を統合することで、特に複雑な重力波データ解析における動的パラメータ空間での効率的なベイズ推論を可能にする、多用途でオープンソースのマルコフ連鎖モンテカルロ（MCMC）サンプラーです。シミュレーテッド LISA に類似した環境で、10個の注入された超小形二重星信号のうち8個を正常に回復し、信号の重なりが生じる状況における次元を越えたサンプリングの能力を示しています。

ABSTRACT

In recent years, methods for Bayesian inference have been widely used in many different problems in physics where detection and characterization are necessary. Data analysis in gravitational-wave astronomy is a prime example of such a case. Bayesian inference has been very successful because this technique provides a representation of the parameters as a posterior probability distribution, with uncertainties informed by the precision of the experimental measurements. During the last couple of decades, many specific advances have been proposed and employed in order to solve a large variety of different problems. In this work, we present a Markov Chain Monte Carlo (MCMC) algorithm that integrates many of those concepts into a single MCMC package. For this purpose, we have built { t Eryn}, a user-friendly and multipurpose toolbox for Bayesian inference, which can be utilized for solving parameter estimation and model selection problems, ranging from simple inference questions, to those with large-scale model variation requiring trans-dimensional MCMC methods, like the LISA global fit problem. In this paper, we describe this sampler package and illustrate its capabilities on a variety of use cases.

研究の動機と目的

• パラメータ次元が変化する複雑なベイズ推論問題を扱える一般用途で使いやすい MCMC ツールボックスの開発。
• LISA グローバルフィットのような高次元かつ次元を越えた問題におけるモデル選択とパラメータ推定の計算的課題への対処。
• LISA データにおける数百万個の超小形二重星からの信号の重なりによる混信背景に起因する状況でも、効率的なサンプリングを可能にすること。
• 標準的および次元を越えた MCMC サンプリングをサポートする柔軟で拡張可能なフレームワークの提供、これまでは特定の目的に特化したツールに限られていたものから離れて。
• 個々の信号が重なった密集した背景から個々の源を解明できる、完全な LISA データ解析パイプラインの開発を支援すること。

提案手法

• 次元が異なるモデル間での次元を越えた移動を可能にする可逆ジャンプ MCMC アルゴリズムを採用し、モデル空間とパラメータ空間の両方における統合的推論を実現。
• 高次元かつ多峰性を持つ後方分布における混合性と収束性を向上させるために、並列温度法を統合。
• 未知の信号波形に対して形状に依存しない推論を可能にするために、Bスプラインに基づくスペクトルモデルを採用。これは、波形の形状が poorly known な信号の検出にとって不可欠。
• 反復的探索フェーズと固定源モデリングを組み合わせ、明るい源を事前に特定・分離した後、弱い信号に次元を越えたサンプリングを適用。
• 次元の一致技術と適応的提案分布を実装し、異なる次元を持つモデル間での滑らかな遷移を保証。
• LISA 帯域における超小形二重星波形の効率的計算のために、GBGPU パッケージを活用。

(a)

実験結果

リサーチクエスチョン

• RQ1 1つの一般用途 MCMC サンプラーは、複雑な重力波データにおいて、標準的パラメータ推定と次元を越えたモデル選択の両方を効果的に処理できるか？
• RQ2 可逆ジャンプ MCMC に並列温度法を組み合わせたサンプラーは、LISA のような混信制限環境において、弱く重なった信号をどれほど効果的に回復できるか？
• RQ3 Bスプラインなどの形状に依存しないスペクトルモデルは、シミュレーテッド LISA データにおける波形が未知の信号を検出する際に、どの程度の性能を示すか？
• RQ4 反復的源抽出 followed by 次元を越えたサンプリングは、信号が密集した領域における収束性と精度を向上させるか？
• RQ5 Eryn は、動的パラメータ空間とモデル選択タスクを処理する分野で、既存の専用ツール（例：bilby）と比較して、どのように性能を発揮するか？

主な発見

• Eryn は、1年間の LISA 観測を想定したシミュレーション環境において、4 mHz の狭帯域に焦点を当てた状況で、注入された10個の超小形二重星信号のうち8個を正常に回復した。
• 特に信号対雑音比（SNR）が10未満の最適 SNRを持つ源においても、信号の重なりや低 SNR の状況下でも、収束性が強く保たれている。
• 反復的源固定と可逆ジャンプ MCMC の組み合わせにより、残差データ内での弱い信号の検出が高速化され、収束性が向上した。
• Eryn の Bスプラインに基づくスペクトルモデルは、波形の形状が不明な信号の検出に効果的に機能し、形状に依存しない推論における有用性を示した。
• 動的モデル空間探索に特化して設計されているため、既存のライブラリ（例：bilby）よりも次元を越えたサンプリングタスクで優れた性能を発揮した。
• Eryn は、すでに複数の発表済みおよび予定の研究に応用されており、実世界の重力波データ解析における堅牢性と多様性を裏付ける結果となった。

(b)