[論文レビュー] How to produce discreet Gaussian sequences: Algorithm and code

Sparisoma Viridi, Veinardi Suendo|arXiv (Cornell University)|Jul 17, 2011

Nuclear reactor physics and engineering参考文献 3被引用数 3

ひとこと要約

本稿では、連続的ガウス分布をM個のグループに離散化し、代表値を割り当て、整数丸めを用いて粒子数を保証する方法により、離散的ガウス分布に従うシーケンスを生成するアルゴリズムとC++コードを提示する。N ≥ 1,000,000およびM ≤ 5,000、またはN ≥ 1,000およびM = 10の条件下で、相関係数R² ≈ 1を達成し、シミュレーションに適した高精度な離散的ガウス統計の近似が可能であることを示している。

ABSTRACT

Algorithm and code to produce sequences whose members obey Gaussian distribution function is reported. Discreet and limited number of groups are defined in the distribution function, where each group is represented only with one value instead of a range of value. The produced sequences are also checked back whether they still fit the discreet distribution function. Increasing of number of particles N increases the value of correlation coefficient R^2, but increasing number of groups M reduces it. Value R^2 = 1 can be found for N = 1000000 at least with M = 5000$ and for M = 10 at least with N = 1000.

研究の動機と目的

• ガウス分布関数に従う再現可能な離散的シーケンスを生成するための方法を開発すること。
• 連続分布を有限の離散的グループに置き換えることによる、大規模粒子系のシミュレーションの課題に対処すること。
• 正規化と誤差補正を用いて、生成されたシーケンスが目的のガウス分布と統計的に整合することを保証すること。
• 標準C++関数を用いたランダムシャッフルと整数切り捨てを活用し、計算的に効率的かつ再現可能なアルゴリズムを提供すること。
• 決定係数R²を指標として用いて、離散的近似の精度を評価すること。

提案手法

• N(z) ≈ 1 - εを満たすz_minおよびz_maxを用いて、連続的ガウス分布f(z)をM個の等間隔のグループに離散化する。
• 各グループの代表値をz_i = z_min + (i - 0.5)Δzとして定義し、各区間の中点を表すようにする。
• 各グループの粒子数をN_i = (N / N') * int[N(z_i)]として計算する。ここでN'は全N_iの合計であり、全粒子数を維持する。
• 整数切り捨てによる損失を補正するため、最終的なN_i値を全粒子数Nに一致させるためにスケーリング係数を用いて正規化する。
• 最初のシーケンスはz_iの増加順に粒子を並べ、C++のstd::random_deviceおよびstd::swapを用いたランダムシャッフルにより、ランダム化されたシーケンスを生成する。
• R² = 1 - (SS_err / SS_tot)を用いて精度を評価し、離散的N_iとフィッティングされた離散分布N_d(z_i)を比較する。

実験結果

リサーチクエスチョン

• RQ1 連続的ガウス分布を高精度に再現する離散的かつ有限の粒子シーケンスは、どのように生成できるか？
• RQ2 粒子数Nおよびグループ数Mが、離散的シーケンスと目的のガウス分布との間の相関係数R²に与える影響は何か？
• RQ3 各グループの粒子数の整数切り捨ては、全粒子数および分布の精度にどのような影響を与えるか？
• RQ4 シード制御を用いて再現性を保ちつつ、生成されたシーケンスをランダム化することは可能か？
• RQ5 R² ≈ 1を達成するためのNとMの最適なバランスは何か？

主な発見

• 相関係数R²はNが大きいほど上昇し、N ≥ 1,000,000のとき1に近づく。
• Mが増加するにつれてR²は低下し、細分化が進むと精度が低下することが示唆される。
• N ≥ 1,000,000およびM ≤ 5,000、またはN ≥ 1,000およびM = 10の条件下でR² = 1を達成できる。
• 全粒子数を一致させるために、離散分布には正規化定数N_d = (N * N') / ΣN(z_i)の再スケーリングが必要である。
• グループ順に並べた最初のシーケンス（ゼロ番目シーケンス）と、シード制御によるシャッフルで生成されたランダムシーケンスの両方とも、目的のガウス分布を保持している。
• 本手法により、分子動力学および統計物理学のシミュレーションに適した再現可能で高精度な離散的ガウスシーケンスの生成が可能である。