[論文レビュー] Multi-fidelity experimental design for ice-sheet simulation

Pierre Thodoroff, Markus Kaiser+6 more|arXiv (Cornell University)|Jul 17, 2023

Cryospheric studies and observationsEarth and Planetary Sciences被引用数 3

ひとこと要約

本稿では、ガウス過程とUCBに基づく最適化を用いた多忠実度実験設計（MFED）フレームワークを提案する。この手法は、氷河シミュレーションにおける計算コストを削減しつつ、予測精度を維持することを目的としている。低解像度のシミュレーションを活用して高解像度の予測を支援することで、特に部分的底部融解といった物理的過程が忠実度間の情報伝達を可能にすることで、高忠実度の実行回数を最大10倍まで削減するという顕著なコスト削減効果を達成している。

ABSTRACT

Computer simulations are becoming an essential tool in many scientific fields from molecular dynamics to aeronautics. In glaciology, future predictions of sea level change require input from ice sheet models. Due to uncertainties in the forcings and the parameter choices for such models, many different realisations of the model are needed in order to produce probabilistic forecasts of sea level change. For these reasons, producing robust probabilistic forecasts from an ensemble of model simulations over regions of interest can be extremely expensive for many ice sheet models. Multi-fidelity experimental design (MFED) is a strategy that models the high-fidelity output of the simulator by combining information from various resolutions in an attempt to minimize the computational costs of the process and maximize the accuracy of the posterior. In this paper, we present an application of MFED to an ice-sheet simulatorand demonstrate potential computational savings by modelling the relationship between spatial resolutions. We also analyze the behavior of MFED strategies using theoretical results from sub-modular maximization.

研究の動機と目的

• 確率的氷河シミュレーションの計算負荷を低減すること。
• 高解像度のモデルが数週間もかかることを踏まえた、氷河学における高忠実度モデルのコスト課題に対処すること。
• 低忠実度のシミュレーションを活用して高忠実度の結果を予測するコスト効率の良い実験設計戦略を開発すること。
• 忠実度長尺度の推定における不確実性を組み込み、多忠実度設定における探索と活用のトレードオフを改善すること。
• アムデルセン海領域を対象として、WAVIシミュレータを用いた実世界の氷河モデリングにおいて、MFEDの実用的妥当性を示すこと。

提案手法

• 入力パrameterと忠実度レベル（空間解像度）の上での結合ガウス過程として氷河シミュレータをモデル化する。
• 最高忠実度（τ=0）における条件付き統合分散（CIV）の低減に基づく、コスト調整付きの利得関数を用いる。
• 探索（未知の忠実度関係）と活用（高い利得を持つ点）のバランスを取るために、上限信頼区間（UCB）戦略を適用する。
• 探索を制御するための信頼パラメータνを導入し、νが大きいほど忠実度の低い部分のサンプリングが促進され、忠実度関係の学習が促進される。
• 忠実度間で共有される長尺度βを有する指数的平方核を用いて、連続的な忠実度表現を実装する。
• NP困難なナップサック問題を近似するサブモジュラ最大化フレームワークを用いて、コスト制約下での予算配分を最適化する。

実験結果

リサーチクエスチョン

• RQ1 低解像度の氷河シミュレーションは、コスト効率よく高解像度の結果を予測するのに信頼できる情報を提供できるか？
• RQ2 忠実度長尺度パrameterβの不確実性をどのように管理すれば、低忠実度の実行の利得を低く見積もるのを防げるか？
• RQ3 多忠実度実験設計において、探索（忠実度関係の学習）と活用（情報利得の最大化）の最適なトレードオフは何か？
• RQ4 部分的底部融解のような物理的過程の導入が、忠実度間の情報伝達にどのように影響するか？
• RQ5 MFEDは、確率的海面上昇予測モデリングにおいて、計算コストをどの程度削減しつつも、予測精度を保持できるか？

主な発見

• 部分的底部融解が有効な場合、10 km解像度のシミュレーションが顕著な情報を提供し、5 km実行と比較して10倍のコスト効率が達成され、コスト調整利得が高くなる。
• 部分的融解が無効な場合、モデルは忠実度間で情報が共有されないことを学習し、CIVに基づく利得が正しく低忠実度の点を除外する。
• コスト調整利得の表面形状は、学習された忠実度長尺度βに依存しており、情報伝達が存在する場合（例：部分的融解あり）はβが高く、存在しない場合は低くなる。
• MF-UCBアルゴリズムは、物理的過程が忠実度間相関を可能にする場合に、低忠実度が有用であることを的確に同定した。
• 特に物理的に整合的な設定において、高解像度シミュレーションに依存する場合と比較して、計算コストを最大10倍まで削減できた。
• UCBにおける信頼パラメータνは探索を制御する：νが大きいほど、忠実度関係をよりよく学ぶために低忠実度の点のサンプリングが増加し、長期的な利得が向上する。