[論文レビュー] The Bayesian Approach To Inverse Problems

Masoumeh Dashti, Andrew M. Stuart|arXiv (Cornell University)|Feb 27, 2013

Gaussian Processes and Bayesian Inference被引用数 39

ひとこと要約

この論文は、微分方程式の逆問題における厳密な無限次元ベイズ枠組みを確立し、可分バナッハ空間上の確率測度を確率的級数を用いて構築する。後騒乱のwell-posednessをヘルミートリック距離で証明し、正則化理論と関連づけ、MCMC や SMC などの測度保存ダイナミクスを用いてメッシュに依存しないアルゴリズムを可能にする。

ABSTRACT

These lecture notes highlight the mathematical and computational structure relating to the formulation of, and development of algorithms for, the Bayesian approach to inverse problems in differential equations. This approach is fundamental in the quantification of uncertainty within applications involving the blending of mathematical models with data.

研究の動機と目的

• 微分方程式とノイズのあるデータを含む逆問題における不確実性を定量化するための数学的に厳密なフレームワークの必要性に対応する。
• 有限次元離散化の限界を克服し、可分バナッハ空間上で直接ベイズ推論を定式化する。
• ベイズ推論と古典的正則化理論（特にチホノフ正則化）との間の関係を確立する。
• MCMC や SMC などのアルゴリズムを、無限次元設定で直接操作することにより、メッシュの細分化に対して安定で正確なまま保てるように開発する。
• 観測データの摂動や前向きモデルの数値近似に対して、後騒乱推論のロバストネスを保証する。

提案手法

• ソボレフ空間やベゾフ空間の関数を用いた確率的級数展開を用いて、可分バナッハ空間上に事前分布を構築する。
• コルモゴロフ連続性定理を用いて事前分布の実現の正則性を分析し、その結果をホルダー連続関数へと拡張する。
• 尤度関数を用いて、後騒乱が事前分布に関して絶対連続であることと、Radon-Nikodym 微分を計算することで、無限次元におけるベイズの定理を導出する。
• データ摂動やモデル近似に対して安定であることを保証するため、ヘルミートリック距離における後騒乱の well-posedness を証明する。
• MCMC や逐次モンテカルロ（SMC）を含む測度保存マルコフ過程を、無限次元空間上で厳密に定式化し、後騒乱をサンプリングする。
• 後騒乱測度を保存するラングジュアン型ダイナミクスを構築するために、可逆な確率的偏微分方程式（SDE）を用いる。

実験結果

リサーチクエスチョン

• RQ1 微分方程式の逆問題におけるベイズ推論を、無限次元設定で数学的に厳密にどのように定式化できるか。
• RQ2 データ摂動やモデル近似に対して、ヘルミートリック距離における後騒乱測度の well-posedness を保証する条件は何か。
• RQ3 確率的級数を用いて構築された無限次元事前分布は、チホノフ正則化などの古典的正則化手法とどのように関係するか。
• RQ4 MCMC や SMC アルゴリズムを、無限次元空間で直接操作することで、メッシュの細分化に対しても安定かつ正確に保てるか。
• RQ5 無限次元事前分布から得られるサンプルパスの正則性は何か。また、ソボレフ空間、ベゾフ空間、ホルダー空間とどのように関連するか。

主な発見

• 後騒乱測度はヘルミートリック距離において well-posed であり、観測データの摂動や前向きモデルの数値近似に対しても安定であることが保証される。
• 後騒乱は事前分布に関して絶対連続であり、Radon-Nikodym 微分は尤度関数によって明示的に与えられる。
• 最大後騒乱推定（MAP）推定子は無限次元設定において存在し、ベイズ推論と変分正則化の間のリンクを提供する。
• 確率的級数を用いて構築された事前分布の実現は、ソボレフ空間およびベゾフ空間において正則性を示し、コルモゴロフ連続性定理を用いてホルダー連続性が確立される。
• MCMC や SMC を含む測度保存マルコフ過程は、無限次元でも厳密に定式化可能であり、メッシュの細分化に依存しない収束保証が得られる。
• 本フレームワークは、ベイズ推論と古典的正則化理論との直接的な関連を提供し、チホノフ正則化が特別な場合として現れる。