[論文レビュー] Monte Carlo stochastic Galerkin methods for non-Maxwellian kinetic models of multiagent systems with uncertainties

Andrea Medaglia, Andrea Tosin+1 more|arXiv (Cornell University)|Jan 1, 2022

Probabilistic and Robust Engineering Design参考文献 51被引用数 9

ひとこと要約

本稿では、不確実性を伴う多エージェント系の非マクスウェル型運動論的モデルに対して、物理空間における直接シミュレーション・モンテカルロ（DSMC）と確率空間におけるスペクトルガレルキン法を組み合わせたハイブリッドDSMC-スペクトルガレルキン法を提案する。この手法は、段階関数の正則化とサーヴィェイ・フォッカー・プランクモデルによる非保存量の補正を通じて、正の性質やエントロピー散逸といった重要な物理的性質を保持しながら、確率空間でスペクトル収束を達成する。

ABSTRACT

In this paper, we focus on the construction of a hybrid scheme for the approximation of non-Maxwellian kinetic models with uncertainties. In the context of multiagent systems, the introduction of a kernel at the kinetic level is useful to avoid unphysical interactions. The methods here proposed, combine a direct simulation Monte Carlo (DSMC) in the phase space together with stochastic Galerkin (sG) methods in the random space. The developed schemes preserve the main physical properties of the solution together with accuracy in the random space. The consistency of the methods is tested with respect to surrogate Fokker-Planck models that can be obtained in the quasi-invariant regime of parameters. Several applications of the schemes to non-Maxwellian models of multiagent systems are reported.

研究の動機と目的

• 不確実パラメータを伴う多エージェント系における非マクスウェル型運動論的モデルのための数値フレームワークの構築を目的とする。
• 不確実性を含む運動論的シミュレーションにおいて、正の性質やエントロピー散逸といった物理的性質を維持するという課題に対処することを目的とする。
• 非線形的かつ非マクスウェル型の相互作用カーネルを有するモデルにおいても、確率空間でのスペクトル収束を達成することを目的とする。
• 準不変状態近似のためのサーヴィェイ・フォッカー・プランクモデルを構築し、ハイブリッドスキームの精度を検証することを目的とする。
• 段階関数の正則化と非保存量の補正を通じて、手法のロバスト性と一貫性を確保することを目的とする。

提案手法

• 物理空間における粒子レベルのダイナミクスに直接シミュレーション・モンテカルロ（DSMC）を、確率空間における手法に確率的ガレルキン（sG）法を組み合わせる。
• DSMCサンプルの確率的依存性を表現するために一般化された多項式クラウジ（gPC）展開を用いる。
• sGにおけるスペクトル収束を回復するために、粒子レベルでの段階関数に対して正則化（モリフィケーション）を導入する。
• 準不変極限において導出されたサーヴィェイ・フォッカー・プランクモデルを用いて、平均速度やエネルギーといった非保存量を補正する。
• 2段階の補正を実施する：衝突則の正則化と、フォッカー・プランク近似を用いたモーメントの再スケーリング。
• 一貫性推定と収束研究を用いて、手法の精度と安定性を検証する。

実験結果

リサーチクエスチョン

• RQ1 ハイブリッドDSMC-sG法は、不確実性を伴う非マクスウェル型運動論的モデルにおいて、物理的性質（正の性質、エントロピー散逸）を保持できるか？
• RQ2 段階関数が非マクスウェル型モデルで収束性を損なう場合、確率空間におけるスペクトル収束をどのように回復できるか？
• RQ3 サーヴィェイ・フォッカー・プランクモデルは、準不変状態における運動論的解のモーメントをどの程度正確に近似できるか？
• RQ4 正則化とモーメント補正は、多エージェント系におけるDSMC-sGスキームの精度と安定性にどのように影響するか？
• RQ5 本手法は、不確実な相互作用を伴う複雑なモデル（例：富の分配、交通流）においても、高い精度と効率を達成できるか？

主な発見

• 段階関数の正則化とサーヴィェイ・フォッカー・プランクモデルによるモーメント補正を組み合わせたDSMC-sG法は、確率空間でスペクトル収束を達成する。
• ギャンブルモデルにおいて、M1 = M2 = 50の場合、L2誤差収束次数が約5.0に達しており、スペクトル的精度が確認された。
• 富の分配モデルでは、不確実性下でパレート型からガウス型の平衡分布への遷移を正確に捉えた。
• 交通流モデルにおいて、正則化と再スケーリングを施した手法は、平均速度とエネルギーの期待される挙動を再現し、M1 = M2 = 5の場合に収束次数約4.5を示した。
• サーヴィェイ・フォッカー・プランクモデルは、真の平衡分布が未知であっても、平衡分布およびモーメントの時間発展を正確に近似可能である。
• 本手法は、高次元の不確実性を伴うすべてのテストケースにおいて、物理的一致性（例：正の性質、有界なモーメント）を維持した。