[論文レビュー] Non-linear Least Squares Fitting in IDL with MPFIT

C. B. Markwardt|ArXiv.org|Feb 17, 2009

Neural Networks and Applications参考文献 1被引用数 337

ひとこと要約

この論文では、MINPACK-1 FORTRANライブラリを基にした、非線形最小二乗法フィッティングの堅牢で最適化されたIDL実装、MPFITを提示する。性能を向上させ、パラメータ制約、誤差推定、診断ツールをサポートし、天文学および科学計算分野で広く採用されてきた。PythonおよびCへの翻訳により、より広範な利用が可能となった。

ABSTRACT

MPFIT is a port to IDL of the non-linear least squares fitting program MINPACK-1. MPFIT inherits the robustness of the original FORTRAN version of MINPACK-1, but is optimized for performance and convenience in IDL. In addition to the main fitting engine, MPFIT, several specialized functions are provided to fit 1-D curves and 2-D images; 1-D and 2-D peaks; and interactive fitting from the IDL command line. Several constraints can be applied to model parameters, including fixed constraints, simple bounding constraints, and "tying" the value to another parameter. Several data weighting methods are allowed, and the parameter covariance matrix is computed. Extensive diagnostic capabilities are available during the fit, via a call-back subroutine, and after the fit is complete. Several different forms of documentation are provided, including a tutorial, reference pages, and frequently asked questions. The package has been translated to C and Python as well. The full IDL and C packages can be found at http://purl.com/net/mpfit

研究の動機と目的

• CURVEFIT や LMFIT といった組み込みIDLフィッティングルーチンの限界、特に信頼性の低さとベクトル化の未活用を是正すること。
• MINPACK-1非線形最小二乗法アルゴリズムをIDLに移植し、数値的安定性とパフォーマンスを維持すること。
• パラメータ制約、自動ヤコビ行列推定、診断フィードバックといったユーザーフレンドリーな機能をコアアルゴリズムに拡張すること。
• 1次元曲線、2次元画像、ピーク、およびインタラクティブフィッティングを対象とした、モジュラーで拡張可能なフレームワークを提供すること。
• 機能と使いやすさを保ったまま、PythonおよびCへの移植を可能にすることで、多言語環境での広範な科学的有用性を実現すること。

提案手法

• MINPACK-1 FORTRANライブラリをIDLに翻訳し、その数値的堅牢性と収束特性を維持すること。
• 任意のデータ次元および重み付け方式をサポートする汎用的なフィッティングエンジンとしてMPFITを実装すること。
• PARINFO 構造体を導入し、固定、境界付き、関連付ける（ tied ）パラメータを含むパラメータ制約を管理すること。
• AUTODERIVATIVE および PARINFO 設定により、ユーザー定義または数値的に推定されたヤコビ行列を有効にし、ステップサイズを設定可能にすること。
• 複雑または計算に時間がかかる関数のためのコールバックルーチン（ITERPROC）および外部評価サポートを追加すること。
• フィッティング後、パラメータの共分散行列と誤差推定値を計算し、統計的推論を向上させること。

実験結果

リサーチクエスチョン

• RQ1 既存の組み込みルーチンに制限があるIDL環境において、非線形最小二乗フィッティングエンジンを堅牢かつ効率的に実装する方法は何か？
• RQ2 パラメータ制約や誤差推定といった一般的な天文学的フィッティング要件を満たすために、どのような拡張が必要か？
• RQ3 MINPACK-1アルゴリズムをIDLの構文とパフォーマンスモデルに適合させる際、数値的正確性を損なわずにどのように適応できるか？
• RQ4 診断用コールバックおよび外部評価が、計算コストの高いモデルのフィッティングをどのように可能にするか？
• RQ5 1つのIDLベースのフィッティングパッケージを、機能と使いやすさを保ったままPythonおよびCに成功裏に移植できる範囲はどの程度か？

主な発見

• MPFITは10年間にわたり数千回のダウンロードが行われ、天文学的および科学計算分野のアプリケーションで広く使用されている。
• 2001年以降、少なくとも29件の査読付き論文および102件のarXivプレプリントで引用されており、広範な学術的影響を示している。
• MPFITはPythonおよびCに成功裏に翻訳されており、Python版はSciPy科学ライブラリに統合されている。
• C版は高いパフォーマンスとポータビリティを備えながらも、IDLベースの強化機能（制約処理、診断機能など）を保持している。
• MPFITは、中性子線散乱用のPANやX線分光法用のPintOfAleといった、独立した科学パッケージにも統合されている。
• パラメータの共分散行列計算、誤差処理、反復診断といった高度な機能をサポートしており、ベースのMINPACK-1に比べて使いやすさが著しく向上している。