[論文レビュー] Random batch methods (RBM) for interacting particle systems

Shi Jin, Lei Li+1 more|arXiv (Cornell University)|Dec 26, 2018

Random Matrices and Applications参考文献 72被引用数 7

ひとこと要約

本稿は、大規模な相互作用粒子系のためのランダムバッチ法（RBM）を導入し、粒子間相互作用を小さなランダムバッチに置き換えることで、計算コストを O(N²) から O(N) に削減する。この手法は漸近的に保存的であり、平均場極限を正確に捉え、特定の条件下で粒子数 N に依存しない誤差バインディングを達成する。これにより、物理学、社会科学、データサイエンス分野の複雑な系の効率的シミュレーションが可能になる。

ABSTRACT

We develop Random Batch Methods for interacting particle systems with large number of particles. These methods use small but random batches for particle interactions, thus the computational cost is reduced from $O(N^2)$ per time step to $O(N)$, for a system with $N$ particles with binary interactions. On one hand, these methods are efficient Asymptotic-Preserving schemes for the underlying particle systems, allowing $N$-independent time steps and also capture, in the $N o \infty$ limit, the solution of the mean field limit which are nonlinear Fokker-Planck equations; on the other hand, the stochastic processes generated by the algorithms can also be regarded as new models for the underlying problems. For one of the methods, we give a particle number independent error estimate under some special interactions. Then, we apply these methods to some representative problems in mathematics, physics, social and data sciences, including the Dyson Brownian motion from random matrix theory, Thomson's problem, distribution of wealth, opinion dynamics and clustering. Numerical results show that the methods can capture both the transient solutions and the global equilibrium in these problems.

研究の動機と目的

• 二項相互作用を伴う大規模な相互作用粒子系のシミュレーションにおける O(N²) の計算コストを低減すること。
• N → ∞ の際に平均場極限を保存するアルゴリズムを開発し、非線形 Fokker-Planck 方程式と一貫性を保つこと。
• 特定の相互作用条件の下で、粒子数に依存しない誤差推定を提供することにより、大規模 N シミュレーションの信頼性を高めること。
• 数学、物理学、社会科学、データサイエンスの多様な問題にこの手法を適用し、過渡的および平衡状態の両方のダイナミクスを的確に捉えることの有効性を示すこと。

提案手法

• 各タイムステップで全ペairワイズ相互作用を、ランダムに選択された小さなバッチによる相互作用に置き換えることで、計算コストを O(N²) から O(N) に削減する。
• 各タイムステップで、粒子をサイズ p ≪ N のランダムバッチにグループ化し、各バッチ内でのみ相互作用を計算する。
• 時間分割スキームを用いる：外部力、バッチ内相互作用、および存在する場合のノイズを逐次的に適用する。
• 決定論的ケースでは、この手法が平均場極限を保存し、粒子数 N に依存しない一様な誤差バインディングを達成することが示されている。
• 理論的分析は、モーメントバインディング、相互作用カーネルのリプシッツ連続性、およびグロンウォール型不等式に依存し、誤差の蓄積を制御する。
• 加法的ノイズを伴う確率的系へと手法を拡張し、平均場極限を持つ Ito 型 SDE へ応用した。

実験結果

リサーチクエスチョン

• RQ1 ランダムバッチ相互作用は、O(N) の計算コストで全 N 体相互作用ダイナミクスを近似可能であり、平均場極限を保存できるか？
• RQ2 N → ∞ の際の RBM アルゴリズムの誤差行動はいかなるものか？また、N に依存しない形でバインディング可能か？
• RQ3 RBM シミュレーションは、多様な系において過渡的ダイナミクスおよび長期的平衡状態をどれほど的確に捉えられるか？
• RQ4 RBM は統計物理学、社会的ダイナミクス、データサイエンスの問題に、精度の損失を最小限に抑えつつ効果的に応用可能か？

主な発見

• RBM は各タイムステップで O(N) の計算コストを達成し、全相互作用系の標準的な O(N²) のコストに比べ顕著な改善を示す。
• この手法は漸近的に保存的であり、N → ∞ の際に非線形 Fokker-Planck 方程式で記述される平均場極限を的確に捉える。
• 特定の相互作用クラスに関して、粒子数に依存しない誤差推定を確立し、N にかかわらず平均場解への収束を証明した。
• 数値結果から、Dyson Brownian motion、Thomson 問題、富の分配、意見形成、クラスタリングなどの問題において、RBM が過渡的ダイナミクスおよびグローバル平衡状態を的確に捉えていることが示された。
• RBM の確率的版は、複雑な相互作用系の効率的近似として使用可能な新しいモデルを生成した。
• 理論的分析により、相互作用カーネルのリプシッツ連続性および有界モーメントといった標準的仮定のもとで、この手法が安定性と収束性を維持することが確認された。