[論文レビュー] Stochastic Process Semantics for Dynamical Grammar Syntax: An Overview

Eric Mjolsness|ArXiv.org|Nov 20, 2005

Advanced Database Systems and Queries参考文献 8被引用数 6

ひとこと要約

本稿では、生化学反応動力学、論理プログラミング、微分方程式など、多様な分野における確率的モデリングの統一的枠組みとして、確率的パラメータ付き文法（SPG）およびその一般化である動的文法（DG）を導入する。文法的規則を環代数上の作用素に写像することにより、確率過程の進化に基づく統一的意味論を実現し、作用素代数および量子場理論にインspiredされた形式的枠組みを通じて、異なるモデルタイプを結びつける。

ABSTRACT

We define a class of probabilistic models in terms of an operator algebra of stochastic processes, and a representation for this class in terms of stochastic parameterized grammars. A syntactic specification of a grammar is mapped to semantics given in terms of a ring of operators, so that grammatical composition corresponds to operator addition or multiplication. The operators are generators for the time-evolution of stochastic processes. Within this modeling framework one can express data clustering models, logic programs, ordinary and stochastic differential equations, graph grammars, and stochastic chemical reaction kinetics. This mathematical formulation connects these apparently distant fields to one another and to mathematical methods from quantum field theory and operator algebra.

研究の動機と目的

• 確率的モデリングの多様なパラダイム（例えば、確率的化学反応動力学、論理プログラミング、微分方程式）を、一つの形式的枠組みで統一すること。
• 異なるスケールが根本的に異なるモデルタイプ（例：決定論的 vs. 確率的）を要するマルチスケールモデリングの課題に対処すること。
• モデルとアルゴリズムを同じ形式的言語で一様に表現することで、自動モデル探索およびハイブリッドモデル構築を可能にすること。
• 動的オブジェクト数や空間的時間的変化を伴う可変構造系（固定構造モデルでは取り扱いが困難な）を扱えるようにすること。
• 文法形式的枠組みから直接、シミュレーションおよび推論アルゴリズムを導出する数学的基盤を提供すること。これには、ギルスピーのアルゴリズムなどの既存アルゴリズムの再導出を含む。

提案手法

• パラメータ付き項（例：bacterium(x), macrophage(y)）を含むリライト規則の文法を定義し、イベント確率のためのレート関数 ρ(‖x−y‖) を導入する。
• 各規則を環代数上の時間発展作用素に写像し、作用素の加法が独立過程に対応し、乗法が依存的または逐次的過程に対応するようにする。
• 作用素の半群を用いて連続時間および離散時間の確率過程を形式化し、時間順序積展開が量子場理論の手法と関連することを示す。
• 作用素の多項式環として意味論を表現することで、複雑な確率的システムの代数的取り扱いを可能にする。
• SPGの特別なケースとして、論理プログラム、グラフ文法、文字列文法、常微分方程式系／確率微分方程式系を表現可能であることを示す。
• シミュレーションおよび推論アルゴリズムをSPG形式的枠組み内の変換として表現することで、自動的または手動で検証可能なアルゴリズム導出を可能にする。

実験結果

リサーチクエスチョン

• RQ1 一つの形式的枠組みが、生化学反応ネットワーク、論理プログラム、微分方程式などの多様な確率的モデルを統一的に表現できるか？
• RQ2 文法ベースのシステムが、動的オブジェクト数および空間的依存性を伴う可変構造系をどのように表現できるか？
• RQ3 確率過程の意味論が、作用素代数および時間発展生成子に基づいて形式的に根拠付けられるか？
• RQ4 代数的変換を用いて、シミュレーションおよび推論アルゴリズムを形式的枠組みから直接導出できる範囲はどの程度か？
• RQ5 この枠組みは、同一の文法的・意味論的枠組み内で、離散イベント系と連続的力学系のハイブリッドモデリングをどのように可能にするか？

主な発見

• この枠組みは、生成的クラスタリングモデル、化学反応動力学、論理プログラム、グラフ文法、常微分方程式系／確率微分方程式系を、一つの形式的枠組みに成功して表現している。
• 作用素代数の意味論により、文法的構成が代数的演算に自然に対応する：加法が独立過程、乗法が依存的または逐次的過程に対応する。
• 作用素の時間順序積展開は、量子場理論および作用素代数の高度な数学的道具と関連している。
• アルゴリズム自体をSPG変換として表現することにより、化学反応動力学のギルスピー・シミュレーション・アルゴリズムを再導出可能である。
• SPGおよびDG形式的枠組みは可変構造系をサポートしており、細胞分裂や複数オブジェクト追跡などの複雑な生物学的プロセスのモデリングを可能にする。
• この枠組みにより、モデルとアルゴリズムの両方がSPG規則として表現可能であり、代数的変換を用いて推論およびシミュレーション手法の自動導出が可能である。