[論文レビュー] Multilevel Picard approximation algorithm for semilinear partial integro-differential equations and its complexity analysis

Ariel Neufeld, Sizhou Wu|arXiv (Cornell University)|May 19, 2022

Fractional Differential Equations Solutions被引用数 4

ひとこと要約

本稿では、高次元の非線形放物型積分微分方程式（PIDE）を解くための多層型ピカール（MLP）近似アルゴリズムを導入する。粘性解に対するフェインマン＝カック表現を導出し、時間離散化とモンテカルロサンプリングを組み合わせることで、次元の呪いを克服し、次元 $d$ と逆精度 $\epsilon^{-1}$ に対して多項式的に有界な計算複雑性を達成する。この手法は、最大10,000次元の数値的検証により有効性が確認された。

ABSTRACT

In this paper we introduce a multilevel Picard approximation algorithm for semilinear parabolic partial integro-differential equations (PIDEs). We prove that the numerical approximation scheme converges to the unique viscosity solution of the PIDE under consideration. To that end, we derive a Feynman-Kac representation for the unique viscosity solution of the semilinear PIDE, extending the classical Feynman-Kac representation for linear PIDEs. Furthermore, we show that the algorithm does not suffer from the curse of dimensionality, i.e. the computational complexity of the algorithm is bounded polynomially in the dimension $d$ and the reciprocal of the prescribed accuracy $\varepsilon$. We also provide a numerical example in up to 10'000 dimensions to demonstrate its applicability.

研究の動機と目的

• 高次元非線形放物型PIDEを解く数値的手法を開発し、次元の呪いを克服すること。
• 本研究のPIDEの唯一の粘性解に対するフェインマン＝カック表現を確立すること。
• 多層型ピカール近似が粘性解に収束することを証明すること。
• アルゴリズムの計算複雑性を分析し、次元 $d$ および精度 $\epsilon^{-1}$ に対して多項式的スケーリングであることを示すこと。
• 最大10,000次元における数値例を通じて、手法の実用的適用可能性を示すこと。

提案手法

• 本手法は、PIDEの粘性解に対するフェインマン＝カック表現から導かれた多層型ピカール反復スキームに基づく。
• 解は、ドリフト項、拡散項、およびレビ・ジャンプ項を含むジャンプ付き拡散拡散過程（SDE）の期待値として表現される。
• SDEに時間離散化を適用し、期待値をモンテカルロサンプリングで近似する。
• アルゴリズムはネスト構造を有し、各レベルが離散化およびサンプリングパラメータの階層を用いて近似を精緻化する。
• ジャンプの補正積分は、線形PIDEの先行研究の手法に従い、レビ・スケールのモンテカルロサンプリングにより近似される。
• 収束性および複雑性の分析には、確率的不動点論法、グロワールド型不等式、および離散化過程のモーメント推定が用いられる。

実験結果

リサーチクエスチョン

• RQ1 非線形PIDEに対して、次元の呪いを回避する多層型ピカールスキームを構築できるか？
• RQ2 係数の正則性および成長条件が適切に満たされた下で、提案されたアルゴリズムがPIDEの唯一の粘性解に収束するか？
• RQ3 非局所的（ジャンプ）項を有する非線形PIDEに対し、古典的な線形ケースを拡張したフェインマン＝カック表現を確立できるか？
• RQ4 アルゴリズムの計算複雑性は次元 $d$ および精度 $\epsilon$ の関数としてどのように記述できるか？
• RQ5 10,000次元のような高次元設定において、この手法はどの程度の性能を示すか？

主な発見

• 係数の弱い正則性および成長条件のもとで、多層型ピカールアルゴリズムは非線形PIDEの唯一の粘性解に収束する。
• 非線形PIDEにジャンプ項を含む場合の粘性解に対する、新たなフェインマン＝カック表現が導出され、古典的な線形ケースから拡張された。
• アルゴリズムの計算複雑性は、次元 $d$ および精度の逆数 $\epsilon^{-1}$ に対して多項式的であることが保証され、次元の呪いが克服された。
• 最大10,000次元の空間におけるテストケースにおいて、手法の数値的妥当性が確認され、高次元における実用的妥当性が裏付けられた。
• 収束解析にはモーメント推定と確率的不動点論法が用いられ、離散化およびサンプリングによる近似誤差に対して厳密な境界が得られた。
• 誤差境界は次元 $d$、時間区間 $T$、およびジャンプ強度に依存し、$M$（ジャンプサンプル数）や $N$（時間ステップ数）といったパラメータにより明示的に制御可能である。