[論文レビュー] Simulation of particle systems interacting through hitting times

Vadim Kaushansky, Christoph Reisinger|arXiv (Cornell University)|May 29, 2018

Markov Chains and Monte Carlo Methods参考文献 10被引用数 12

ひとこと要約

本稿では、粒子が境界に到達するまでの到達時間に基づく平均場相互作用を有する McKean–Vlasov 方程式をシミュレートする、新しいオイラー型粒子法を提案する。境界での粒子吸収がフィードバックを引き起こす。時間刻みの収束速度は1/2次であり、ブラウン運動ブリッジと局所メッシュの細分化を用いることで1次に向上し、数値的に検証され、システム的リスクおよびニューラルネットワークモデルにおける爆発的挙動の応用にも適用されている。

ABSTRACT

We develop an Euler-type particle method for the simulation of a McKean--Vlasov equation arising from a mean-field model with positive feedback from hitting a boundary. Under assumptions on the parameters which ensure differentiable solutions, we establish convergence of order $1/2$ in the time step. Moreover, we give a modification of the scheme using Brownian bridges and local mesh refinement, which improves the order to $1$. We confirm our theoretical results with numerical tests and empirically investigate cases with blow-up.

研究の動機と目的

• 境界に到達する際の正のフィードバックを有する McKean–Vlasov 方程式に対する、構成的数値スキームの開発。この方程式群は、従来、厳密なシミュレーション手法を欠いていた。
• 解が滑らかであることを保証する仮定の下で、粒子ベースの時間刻みスキームの収束速度の分析。
• ブラウン運動ブリッジ補間と局所メッシュ細分化を用いることで、収束次数を1/2から1に向上すること。
• システム的リスクおよびニューラルネットワークモデルにおける爆発的現象の経験的調査。
• 大規模粒子系を用いた数値実験を通じて、理論的収束速度の検証。

提案手法

• 時間離散化されたオイラー型粒子スキームを提案し、その際に漂移項が粒子がゼロに到達するまでの到達時間密度に依存する McKean–Vlasov スデ方程式をシミュレートする。
• 粒子軌道からの到達時間分布 $ L_t $ の経験的推定値を用いて、フィードバック漂移を計算する。
• 吸収境界付近での経路近似を改善するために、修正されたスキームがブラウン運動ブリッジ補間を組み込む。
• 到達時間付近に適応的に局所メッシュ細分化を適用し、重要領域における精度を向上させる。
• 初期分布およびパrameterの正則性仮定の下で収束を分析し、爆発時刻までに解が微分可能であることを保証する。
• 分散低減および交換可能性の議論を用いて、経験的到達時間測度の確率的収束および $ L^2 $-ノルム収束を確立する。

実験結果

リサーチクエスチョン

• RQ1 到達時間フィードバックを有する McKean–Vlasov 方程式に対する標準的なオイラー型粒子スキームの収束速度は何か？
• RQ2 ブラウン運動ブリッジ補間と局所メッシュ細分化により、収束速度を1/2を超えて向上させられるか？
• RQ3 到達時間分布に不連続性や爆発的挙動が現れる場合、スキームはどのように振る舞うか？
• RQ4 粒子系のサイズが経験的到達時間推定値の精度に与える影響は何か？
• RQ5 本手法は、金融ネットワークにおけるシステム的リスクやニューラル集団ダイナミクスといった実世界のモデルに適用可能か？

主な発見

• 正則性仮定の下で、標準的なオイラー型粒子スキームは時間刻みに対して収束速度 $ 1/2 $ を達成する。
• ブラウン運動ブリッジと局所メッシュ細分化を用いた修正スキームにより、収束速度が1次に向上する。
• 数値的テストにより理論的収束速度が確認され、爆発的挙動の捉え込みにおいても頑健性が示された。
• 粒子数 $ N \to \infty $ のとき、経験的到達時間測度 $ ilde{L}_t $ は真の到達時間分布に確率的に収束する。
• 粒子数 $ N \to \infty $ のとき、経験的到達時間推定子 $ \hat{L}_t^N $ の分散は消滅し、一貫性が保証される。
• 本手法は、金融およびニューラルネットワーク応用において観察されるように、$ L_t $ における不連続性の形成を的確に捉えている。