[論文レビュー] Stability-Optimized High Order Methods and Stiffness Detection for Pathwise Stiff Stochastic Differential Equations

Christopher Rackauckas, Qing Nie|arXiv (Cornell University)|Apr 12, 2018

Numerical methods for differential equations参考文献 19被引用数 10

ひとこと要約

本稿では、経路ごとの剛性を示す確率微分方程式（SDE）に対して安定性最適化された強度1.5の適応的アプローチを提案し、明示的・陰的スキームを剛性推定器と組み合わせて動的に切り替える。この手法により、一時的な剛性が生じる生物学的・化学的モデルにおいて、固定ステップ法と比較して5x–6000xの高速化を達成し、安定な時間ステップを大きくとれる。また、新規の適応的 IMEX および L-安定な陰的積分法が、剛性のあるネットワークにおいて明示的法と比較してほぼ8倍の効率向上を実現した。

ABSTRACT

Stochastic differential equations (SDE) often exhibit large random transitions. This property, which we denote as pathwise stiffness, causes transient bursts of stiffness which limit the allowed step size for common fixed time step explicit and drift-implicit integrators. We present four separate methods to efficiently handle this stiffness. First, we utilize a computational technique to derive stability-optimized adaptive methods of strong order 1.5 for SDEs. The resulting explicit methods are shown to exhibit substantially enlarged stability regions which allows for them to solve pathwise stiff biological models orders of magnitude more efficiently than previous methods like SRIW1 and Euler-Maruyama. Secondly, these integrators include a stiffness estimator which allows for automatically switching between implicit and explicit schemes based on the current stiffness. In addition, adaptive L-stable strong order 1.5 implicit integrators for SDEs and stochastic differential algebraic equations (SDAEs) in mass-matrix form with additive noise are derived and are demonstrated as more efficient than the explicit methods on stiff chemical reaction networks by nearly 8x. Lastly, we developed an adaptive implicit-explicit (IMEX) integration method based off of a common method for diffusion-reaction-convection PDEs and show numerically that it can achieve strong order 1.5. These methods are benchmarked on a range of problems varying from non-stiff to extreme pathwise stiff and demonstrate speedups between 5x-6000x while showing computationally infeasibility of fixed time step integrators on many of these test equations.

研究の動機と目的

• 標準的な積分法では、まれな大規模な確率的遷移が一時的剛性を引き起こし、時間ステップサイズが制限されるという、SDEにおける経路的剛性の課題に対処すること。
• 効率的な剛性SDEの統合を可能にするために、安定性を最適化した強度1.5の明示的法を、安定領域を大幅に拡大して開発すること。
• リアルタイムでの剛性検出に基づき、明示的・陰的スキーム間の動的切り替えを可能にする適応的剛性推定器を設計すること。
• 加法的ノイズを伴うSDEおよびSDAEに対して、適応的L-安定な強度1.5の陰的積分法を導出し、剛性のある化学反応ネットワークにおける効率性を向上させること。
• PDE分野の手法にインspiredされた適応的IMEX積分法を構築し、拡散・反応・対流を含むSDEに対して強度1.5を達成し、安定性と効率性を向上させること。

提案手法

• 計算的手法を用いて、SDEの安定性最適化された明示的強度1.5法を導出し、安定領域を顕著に拡大する。
• 局所的な剛性をモニタリングする剛性推定器を統合し、必要に応じて明示的スキームから陰的スキームへの自動切り替えをトリガーする。
• 加法的ノイズを伴う質量行列形式のSDEおよびSDAEに対して、適応的L-安定な強度1.5の陰的積分法を導出し、剛性領域でも安定性を確保する。
• PDE分野の共通手法に基づく適応的IMEX積分法を開発し、ノイズ成分を明示的に扱い、ドリフト成分を陰的に扱うことで、安定性と次数の両方を向上させる。
• 反復伊藤積分のWiktorsson近似を用いて、確率的ソルバーにおける高次強収束性を実現する。
• 行列の逆行列恒等式と再帰的代入を用いて、積分ステージの安定な更新式を導出し、大規模なノイズバーストに対しても数値的安定性を保証する。

実験結果

リサーチクエスチョン

• RQ1 安定性最適化された高次明示的法は、Euler-Maruyama や SRIW1 といった標準的な明示的法と比較して、経路的剛性SDEのシミュレーションにおいて著しく効率を向上させ得るか？
• RQ2 動的剛性推定器により、明示的・陰的スキーム間の自動切り替えが可能となり、経路的剛性SDEにおける効率性と安定性のバランスが取れるか？
• RQ3 加法的ノイズを伴うSDEおよびSDAEのための適応的L-安定な陰的積分法は、剛性のある化学反応ネットワークにおいて明示的法をほぼ8倍の計算効率で上回るか？
• RQ4 適応的IMEX積分法は、ノイズ成分とドリフト成分の明示的・陰的処理を組み合わせることで、経路的剛性SDEに対して強度1.5を達成できるか？
• RQ5 提案手法は、さまざまな剛性・非剛性SDE問題に対して固定ステップ法と比較して、どの程度の計算的利得を示すか？

主な発見

• 提案された安定性最適化明示的法は、Euler-Maruyama などの固定ステップ明示的法と比較して、経路的剛性SDEにおいて最大6000倍の高速化を達成した。
• 適応的剛性推定器により、明示的・陰的スキーム間の効率的切り替えが可能となり、手動介入なしに一時的剛性イベントを安定して統合できるようになった。
• 加法的ノイズを伴うSDEおよびSDAEのための適応的L-安定な陰的積分法は、剛性のある化学反応ネットワークにおいて、明示的法をほぼ8倍の計算効率で上回った。
• 適応的IMEX積分法は、経路的剛性SDEに対して強度1.5を成功裏に達成し、拡散・反応・対流型問題において数値的安定性と効率性を示した。
• 非剛性から極度の経路的剛性に至る問題群に対するベンチマークでは、一貫した5x～6000xの高速化が確認され、固定ステップ法が多くのテスト方程式で計算的に非現実的になった。
• 本手法は、安定状態間のまれなスイッチングや大規模なノイズバーストを伴うモデルを含む、多様なSDEタイプにおいて、頑健な性能を示した。