[論文レビュー] The Sparse Grids Matlab kit -- a Matlab implementation of sparse grids for high-dimensional function approximation and uncertainty quantification

Chiara Piazzola, Lorenzo Tamellini|arXiv (Cornell University)|Mar 17, 2022

Probabilistic and Robust Engineering Design被引用数 11

ひとこと要約

Sparse Grids Matlab Kit (SGMK) は、高次元関数近似および不確実性量化 (UQ) を目的とした軽量で高水準の Matlab パッケージであり、スパースグリッドのコンビネーション技法形式を実装しています。適応グリッドを用いた効率的なスラッグモデル化、一般化された多項式クラウド展開 (PCE) および Sobol 敏感度インデックスのサポート、UM-Bridge プロトコルによる外部シミュレータとの統合により、数100個の確率的変数を含むプロトタイプ開発および現実的なUQ応用に適しています。

ABSTRACT

The Sparse Grids Matlab Kit provides a Matlab implementation of sparse grids, and can be used for approximating high-dimensional functions and, in particular, for surrogate-model-based uncertainty quantification. It is lightweight, high-level and easy to use, good for quick prototyping and teaching; however, it is equipped with some features that allow its use also in realistic applications. The goal of this paper is to provide an overview of the data structure and of the mathematical aspects forming the basis of the software, as well as comparing the current release of our package to similar available software.

研究の動機と目的

• 高次元関数近似および不確実性量化 (UQ) のための、ユーザーフレンドリーで高水準の Matlab 実装によるスパースグリッドの提供。
• 迅速なプロトタイプ開発および教育的利用を支援しながら、数100個の確率的変数を含む現実世界のUQ応用にも対応できる能力の維持。
• ベイズ推論および感度分析のための、一般化された多項式クラウド展開 (PCE)、Sobol 敏感度インデックス、勾配／ヘッセ行列の計算といったUQ特有の機能の実装。
• 評価リサイクル、並列処理、および UM-Bridge プロトコルによる外部ソルバとの統合を通じて、高価なシミュレーションモデルの効率的評価を可能にする。
• 機能性、保守性、使いやすさの観点から、既存のスパースグリッドおよびUQソフトウェアと比較し、SGMKの位置づけを明確化すること。

提案手法

• SGMK は、階層的基底関数とネストされたまたはネストされていないグリッド節点を用いて、スパースグリッドのコンビネーション技法形式を実装している。
• 次元別適応アルゴリズムを用いた適応的グリッドの細分化をサポートしており、高次元問題における作業割り当てを改善するための新規なバッファリング戦略を含む。
• 一般的な確率分布（一様、正規、ガンマ、ベータなど）のための組み込みコロケーション点を提供し、PCEに基づくUQを可能にしている。
• スラッグモデルの勾配およびヘッセ行列の計算を実施し、局所的感度分析や最大後確信度推定などの最適化タスクを支援している。
• Matlab の Parallel Toolbox と統合されており、評価リサイクルおよび外部シミュレーション呼び出しを UM-Bridge プロトコルを通じて C++/Python ソルバと接続可能である。
• 包括的なテストスイート、チュートリアル、および完全なドキュメンテーションを備えており、2023年リリースでは5,300行を超えるコメントが含まれている。

実験結果

リサーチクエスチョン

• RQ1 高次元関数近似およびUQを実現するにあたり、Matlab という高水準言語にスパースグリッドを効率的に実装する方法は何か？ これは教育的利用と生産レベルのUQワークフローの両方に適しているか？
• RQ2 既存のスパースグリッドおよびUQソフトウェアと比較して、SGMK が提供するユニークな機能（特にUQ機能性および適応性の観点から）は何か？
• RQ3 評価リサイクル、並列処理、外部シミュレーション統合が、高次元問題におけるスラッグモデルの性能にどの程度寄与するか？
• RQ4 SGMK におけるバッファリング戦略は、次元別適応スパースグリッド構築における計算効率をどのように向上させるか？
• RQ5 Tasmanian、SG++、Spinterp、Dakota などの他のソフトウェアと比較して、SGMK はUQタスクにおいてどのように優れているか、あるいは補完的であるか？

主な発見

• SGMK は、UQのためのMatlabベースのツールの中で最も機能が豊富であり、次元バッファリング、一般化された多項式クラウド展開 (PCE)、Sobol 敏感度インデックスの独自サポートを提供している。
• 勾配およびヘッセ行列の計算が効率的に行えるため、ベイズ逆問題と感度分析に不可欠な機能を実現している。
• 評価リサイクルおよび並列処理の機能により、高価なシミュレーションモデルの評価における計算オーバーヘッドが顕著に低減される。
• UM-Bridge プロトコルとの統合により、外部シミュレータとのシームレスな接続が可能となり、複雑なUQパイプラインにおける使いやすさが向上している。
• Spinterp よりも機能性と保守性に優れており、SG++ や Tasmanian よりも多くのUQ特化ツールを提供しているが、Tasmanian はより広範な基底関数のサポートを提供している点に注意。
• 本ソフトウェアは、数100個の確率的変数を含む複数の研究プロジェクトで成功裏に使用されており、学術論文および教科書でも採用されている。