[論文レビュー] Multiple Extremal Eigenpairs of Very Large Matrices by Monte Carlo Simulation

Tom Booth, J. E. Gubernatis|ArXiv.org|Jul 8, 2008

Theoretical and Computational Physics参考文献 4被引用数 7

ひとこと要約

本稿では、非常に大きな密行列（例えば2次元イジング模型の転送行列など）の2番目に大きな固有値と固有ベクトルを、全ベクトルを保存せず、正規直交性を強制せず、同時に計算する新しいモンテカルロアルゴリズムを提示する。『ステッチ法』を用いて、逐次的な小空間サンプリングにより大規模な状態空間をサンプリングすることで、$2^{48} \times 2^{48}$ までの行列についても高い精度が達成され、臨界温度におけるオンサージェの正確な結果とよく一致する固有値推定値が得られる。

ABSTRACT

We present a new Monte Carlo algorithm that allows the simultaneous determination of a few extremal eigenpairs of a very large matrix. It extends the power method and uses a new sampling method, the sewing method, that does a large state space sampling as a succession of samplings from a smaller state space. We illustrate the new algorithm by its determination of the two largest eigenvalues of the transfer matrix of a square Ising model at the critical temperature for sizes from $16 imes 16$ to $48 imes 48$.

研究の動機と目的

• メモリ制約により決定的手法が機能しない非常に大きな行列における、サブドミナント固有ペア（$\lambda_2$, $\lambda_3$, など）の計算という課題に取り組む。
• モンテカルロ実装におけるベクトルの直交性を維持する困難さが、従来のパワー法の拡張を妨げることを克服する。
• メモリに収まらないほど大きな行列の極値固有ペアを計算可能にする。特に統計力学における転送行列に特に関連する。
• 全ベクトルの保存を必要とせず、高次元状態空間を効率的に探索できるスケーラブルなサンプリング戦略を開発する。
• 2次元イジング模型の臨界状態における正確な解（オンサージェの結果）と比較して、アルゴリズムの精度とスケーラビリティをベンチマークする。

提案手法

• 『ステッチ法』と呼ばれる新しいサンプリング技術を用いて、大規模な状態空間を小さな部分空間への逐次的サンプリングとして扱うことで、パワー法を拡張する。
• グループ化された状態集合 $R_1, R_2$ を用いて、固有値方程式 $\lambda = \sum_{i \in R} \sum_j A_{ij} \psi_j / \sum_{i \in R} \psi_i $ を用い、$\lambda_1$ と $\lambda_2$ を同時に推定する。
• 1イテレーションあたり100万粒子の独立したモンテカルロシミュレーション（$m=48$ の場合最大500万粒子）を実行し、20回のランの平均値を取ることで、固有値推定値と標準誤差を計算する。
• スピン配置を整数（0 から $2^m - 1$）として表現し、ビットカウント（例：0または1のビットが半数以上）に基づいて $R_1$ と $R_2$ を定義する。
• ステッチプロセスにおけるサンプリング粒度の低下を補正するため、$C_{ij} = A_{ij} \prod_n \frac{w_{j_n}}{a(i_n, j_n)}$ を用いて重み補正を施す。
• 必要に応じて、最小固有値を標的にするため、行列 $A - \sigma I$ を用いることで、絶対値の極値固有値を超える応用範囲を拡張する。

実験結果

リサーチクエスチョン

• RQ1 全固有ベクトルを保存せず、ベクトルの直交性を強制せず、複数の極値固有ペアを同時に計算できるモンテカルロアルゴリズムは存在するか？
• RQ2 ステッチ法により、非常に大きな行列（例：$2^{48} \times 2^{48}$）の高次元状態空間を、小さな部分空間に分解してサンプリングできるか？その精度はどの程度か？
• RQ3 オンサージェの2次元イジング模型の正確な結果と比較して、このアルゴリズムは大規模系においてどの程度の精度を維持するか？
• RQ4 データ表現やメモリの観点から、$m=48$ ビットを超えてスケーリングする際の、この手法の計算的・アルゴリズム的限界は何か？
• RQ5 対称性・正定値性・スパarsity を欠く行列（例：複素数行列や非対称行列）に対して、標準的パワー法と比較して、この手法はどの程度の性能を示すか？

主な発見

• 本アルゴリズムは、$m=16$ から $m=48$ の範囲で、$m \times m$ イジング模型の転送行列の2番目に大きな固有値 $\lambda_1$ と $\lambda_2$ を成功裏に計算した。$m=48$ の場合、行列サイズは最大 $2^{48} \times 2^{48}$ に達する。
• $m=48$ の場合、$\lambda_1 = 2.41522 \pm 0.00019 \times 10^{19}$ および $\lambda_2 = 2.37481 \pm 0.00054 \times 10^{19}$ が得られ、オンサージェの正確な値 $2.41504 \times 10^{19}$ および $2.37584 \times 10^{19}$ とよく一致した。
• 本手法は高い精度を達成しており、$m=48$ の場合、$\lambda_1$ と $\lambda_2$ の相対誤差は $0.01\%$ 未満であり、標準誤差は固有値の大きさの $10^{-5}$ 量級であった。
• ステッチ法により、$m=60$（10ビットの6セット）でも安定かつ高精度なサンプリングが可能であることが示され、コード構造の改善により、現在の $m=48$ の制限を超えたスケーラビリティが示唆された。
• 対称性や正定値性を欠く行列に対しても、本アルゴリズムは頑健であることが、複素数行列および非対称実行列に対する決定的テストにより確認された。
• 本手法は、量子ハミルトニアンや核臨界性問題を含む広範な問題に適用可能であり、最小限の修正で2つ以上の極値固有ペアを計算可能に拡張できる。