[論文レビュー] LazySets.jl: Scalable Symbolic-Numeric Set Computations

Marcelo Forets, Christian Schilling|VBN Forskningsportal (Aalborg Universitet)|Sep 1, 2021

Topological and Geometric Data Analysis参考文献 18被引用数 5

ひとこと要約

LazySets.jl は、特に凸集合および多面体集合を対象として、遅延評価とサポート関数計算を用いたスケーラブルな記号的数値計算を可能にする Julia ライブラリである。高次元における集合演算を効率的に処理し、到達可能性解析や関連応用分野において、既存ツールと比較して数個のオーダーの高速化を達成している。

ABSTRACT

LazySets v1.53.2 Diff since v1.53.1 <strong>Closed issues:</strong> Update README and citation.... (#2880) <strong>Merged pull requests:</strong> Update README.md (#2889) (@mforets) CompatHelper: bump compat for IntervalArithmetic to 0.20, (keep existing compat) (#2890) (@github-actions[bot])

研究の動機と目的

• 高次元空間における記号的数値的集合計算のための汎用的でスケーラブルなライブラリを提供すること。
• 遅延評価と特化されたアルゴリズムを用いて、特に凸集合および多面体集合の効率的で柔軟な操作を可能にすること。
• 動的システム、特にハイブリッド系および非線形系における形式的検証と到達可能性解析を支援すること。
• 凸集合と非凸集合の表現間の相互運用性を向上させつつ、型安定性とパフォーマンスを維持すること。
• 科学計算における Julia の基盤ライブラリとしての役割を果たし、到達可能性、検証、シミュレーション分野のツールと統合すること。

提案手法

• 集合演算を実際に評価する必要が生じるまで延期する遅延評価を用い、高次元における計算オーバーヘッドを低減する。
• 特にミンコフスキー和や凸包などの演算において、凸集合の効率的表現と計算を可能にするサポート関数計算を採用する。
• Julia の多重ディスpatch 機能を活用して、異なる集合タイプに最適な実装を選択し、型安定性とパフォーマンスを確保する。
• 超平面、半空間、ゾノトープ、ハイパーレクタングル、テイラー・モードルなど多様な集合タイプをサポートし、それらの間での変換と演算を可能にする。
• オプションパッケージを通じて Julia エコシステムと統合し、新しい集合タイプや演算のための拡張可能なインターフェースを提供する。
• トレイトベースのディスpatch と拡張可能な型継承階層を用いて、複雑な集合表現の管理を可能にし、凸集合と非凸集合間の相互運用性を向上させる。

Figure 1: Example of set propagation using LazySets. Starting from a set of initial conditions represented as a hyperrectangle (on the right) and a given dynamical system (in this case, the Lotka-Volterra equations), a reachability algorithm computes a sequence of Taylor models. For plotting, the Ta

実験結果

リサーチクエスチョン

• RQ1 記号的数値的集合計算を、高次元空間においてどのようにスケーラブルかつ効率的に実現できるか？
• RQ2 多様な幾何的集合タイプに対して、効率的な遅延評価と型固有のディスpatch を実現するための設計パターンは何か？
• RQ3 サポート関数計算と遅延演算を用いることで、到達可能性解析や形式的検証におけるパフォーマンスはどの程度向上するか？
• RQ4 パフォーマンスを損なわせることなく、凸集合と非凸集合の表現間の相互運用性はどのように向上できるか？
• RQ5 汎用的な集合計算ライブラリは、複雑な動的システムやハイブリッドシステムにおいて、専用ツールを上回る性能を発揮できるか？

主な発見

• LazySets.jl は、ハイブリッド系の到達可能性解析において、CORA や SpaceEx などのツールと比較して最大で1桁の性能向上を達成している。
• ライブラリはゾノトープ表現で最大1億個の集合を効率的に処理でき、大規模な集合伝播タスクにおけるスケーラビリティを実証している。
• 遅延評価とサポート関数計算により、実際に評価が不可能になる高次元でも効率的な計算が可能になっている。
• Julia の多重ディスパッチの活用により、高度に最適化された実装が可能となり、特別なメソッドを追加した際には数個のオーダーの高速化が達成されている。
• LazySets は19件の研究論文で採用され、NeuralNetworkAnalysis.jl や OVERTVerify.jl といった複数の後続ツールに統合されており、形式的検証およびニューラルネットワーク解析分野における実用性が裏付けられている。
• 線形波動伝播や熱伝導問題といった複雑なワークフローにおいても、記号的数値的手法を用いてシステム構造を活用することで、到達可能性解析の実行が可能になっている。

Figure 2: Left: The supporting hyperplane of the set $X$ along direction $d$ . In red we plot the distance of the hyperplane to the origin, which is given by $\rho(d^{\prime},X)$ where $d^{\prime}=d/\|d\|$ . Right: An outer approximation of $X$ using the eight directions of a regular octagon.