[論文レビュー] On Lock-down Control of a Pandemic Model

Paramahansa Pramanik|arXiv (Cornell University)|Jun 9, 2022

Noncommutative and Quantum Gravity Theories被引用数 5

ひとこと要約

本稿では、確率的多リスクSIRモデルにベイジアン意見動態を組み込んだもとで、政策立案者の社会的コストを最小化することを目的として、パンデミックのロックダウン強度を最適化するファインマン型経路積分制御フレームワークを提案する。これは、ホッピング・ローテートされたシュレーディンガー方程式に類似したハミルトニアン・ジャコビ・ベルマン方程式のアナロジーを用いて最適ロックダウン政策を導出し、グリッドベースのPDEソルバーに依存せずにモンテカルロ法による数値解法が可能である。

ABSTRACT

In this paper a Feynman-type path integral control approach is used for a recursive formulation of a health objective function subject to a fatigue dynamics, a forward-looking stochastic multi-risk susceptible-infective-recovered (SIR) model with risk-group's Bayesian opinion dynamics towards vaccination against COVID-19. My main interest lies in solving a minimization of a policy-maker's social cost which depends on some deterministic weight. I obtain an optimal lock-down intensity from a Wick-rotated Schrodinger-type equation which is analogous to a Hamiltonian-Jacobi-Bellman (HJB) equation. My formulation is based on path integral control and dynamic programming tools facilitates the analysis and permits the application of algorithm to obtain numerical solution for pandemic control model. Feynman path integral is a quantization method which uses the quantum Lagrangian function, while Schrodinger's quantization uses the Hamiltonian function. These two methods are believed to be equivalent but, this equivalence has not fully proved mathematically. As the complexity and memory requirements of grid-based partial differential equation (PDE) solvers increase exponentially as the dimension of the system increases, this method becomes impractical in the case with high dimensions. As an alternative path integral control solves a class a stochastic control problems with a Monte Carlo method for a HJB equation and this approach avoids the need of a global grid of the domain of the HJB equation.

研究の動機と目的

• 高次元の確率的ダイナミクス下でのパンデミック緩和のための計算効率の良い制御フレームワークの開発。
• 健康結果と経済的疲労のバランスを取る政策立案者の社会的コスト関数の最小化。
• リスクグループ固有のワクチン接種に関する意見動態をベイジアンネットワークを用いて、確率的SIRモデルに統合すること。
• 次元数の増加に伴いスケーリングが著しく劣化するグリッドベースのPDEソルバーに依存せずに、制御問題の数値解法を可能にすること。
• 確率的流行病モデルにおける最適制御のためのハミルトニアン・ジャコビ・ベルマン方程式に相当する経路積分定式化の確立。

提案手法

• ハミルトニアン形式に依存しない量子ラグランジアンを用いたファインマン型経路積分アプローチを採用し、制御問題を定式化する。
• 動的計画法および経路積分制御ツールを用いて、疲労ダイナミクスを組み込んだ健康目的関数を再帰的に定義する。
• 前向きな確率的多リスクSIRモデルを用いてパンデミックをモデル化し、飽和伝播率と環境ノイズを含む。
• 社会的シグナルに基づく、リスクグループにおけるワクチン接種に対する態度の変化を捉えるためにベイジアン意見動態を統合する。
• HJB方程式のアナロジーとしてのワイス・ローテートされたシュレーディンガー型方程式を導出し、モンテカルロベースの数値解法を可能にする。
• ロックダウン強度写像の不動点の存在を保証するため、クナスターラ・キュラトフスキー・マズルキエヴィチの定理を用いる。

実験結果

リサーチクエスチョン

• RQ1 疲労効果を含む確率的で多リスクのSIRモデルにおいて、経路積分制御フレームワークをロックダウン強度の最適化にどのように適応できるか。
• RQ2 本パンデミック制御文脈において、ファインマン経路積分とハミルトニアン・ジャコビ・ベルマン方程式との間の数学的同等性は何か。
• RQ3 リスクグループにおけるベイジアン意見動態は、最適ロックダウン政策および社会的コストの最小化にどのように影響を与えるか。
• RQ4 高次元のパンデミック制御問題において、経路積分に基づくモンテカルロ法は、従来のグリッドベースのPDEソルバーを上回る性能を発揮できるか。
• RQ5 ロックダウン強度写像が不動点を有するのはどのような条件下か。これにより最適制御方針の収束が保証される。

主な発見

• 最適ロックダウン強度は、HJB方程式に類似したワイス・ローテートされたシュレーディンガー型方程式から導出され、確率的制御のアナロジーとして機能する。
• 経路積分制御法は、PDEソルバーに起因する指数的グリッド複雑性を回避し、高次元システムにおけるスケーラブルな解法を可能にする。
• ロックダウン強度写像に対して一意の不動点が存在し、クナスターラ・キュラトフスキー・マズルキエヴィチの定理により証明され、政策の安定性が保証される。
• 定式化により、任意の時刻から将来に向けて目的関数を再帰的に解くことが可能となり、継続問題の構造を満たす。
• リスクグループ固有のワクチン接種意見をベイジアンネットワークを用いて統合し、現実の行動的ダイナミクスを反映する。
• アプローチにより、モンテカルロサンプリングに基づく数値解法が可能となり、複雑で高次元のパンデミック制御問題に実用的である。