[論文レビュー] The SPDE approach for Gaussian and non-Gaussian fields: 10 years and still running

Finn Lindgren, David Bolin+1 more|arXiv (Cornell University)|Nov 1, 2021

Soil Geostatistics and Mapping参考文献 154被引用数 85

ひとこと要約

この論文は、導入から10年を経たガウスおよび非ガウスの確率場をモデル化するための確率的偏微分方程式（SPDE）アプローチをレビューし、任意の多様体上での有限要素法を用いたスパースな精度行列表現を可能にする方法を示している。この手法は、連続的なマテルン共分散構造とスパースなガウスマルコフランダムフィールド（GMRF）を結びつけることで、計算効率を実現し、強力な理論的保証と広範な応用を伴う、複雑な空間的および時空間的モデルにおけるスケーラブルな推論を可能にする。

ABSTRACT

Gaussian processes and random fields have a long history, covering multiple approaches to representing spatial and spatio-temporal dependence structures, such as covariance functions, spectral representations, reproducing kernel Hilbert spaces, and graph based models. This article describes how the stochastic partial differential equation approach to generalising Mat\'ern covariance models via Hilbert space projections connects with several of these approaches, with each connection being useful in different situations. In addition to an overview of the main ideas, some important extensions, theory, applications, and other recent developments are discussed. The methods include both Markovian and non-Markovian models, non-Gaussian random fields, non-stationary fields and space-time fields on arbitrary manifolds, and practical computational considerations.

研究の動機と目的

• 過去10年間におけるガウスおよび非ガウスの確率場のSPDEアプローチの理論的および計算的基盤をレビューすること。
• SPDEフレームワークが連続共分散モデルと離散的で計算効率の良いマルコフランダムフィールド表現の間をどのように橋渡しするかを強調すること。
• 医療、生態学、天文学、環境科学など多様な分野における応用を通じて、この手法の実用的有用性を示すこと。
• 非定常、非等方的、非マルコフ的、および時空間的モデルへの最近の拡張について議論し、計算スケーラビリティを評価すること。

提案手法

• SPDEアプローチは、ガウス白色ノイズによって駆動される確率的偏微分方程式の解としてガウス確率場を表現する。
• 有限要素法により連続領域の場が区分的線形基底に射影され、SPDEがスパースな精度行列形式に変換される。
• 得られる精度行列はスパースであり、計算効率が高く、スパースなコレスキー分解を用いた線形スケーリング推論が可能である。
• 離散表現におけるマルコフ性が連続領域におけるそれと一致するように、ヒルベルト空間への射影を活用する。
• 非ガウスの場については、潜在ガウスモデルと非ガウスのノイズを伴うSPDEに基づく確率的表現を用いて拡張される。
• マルチグリッドソルバーやプリコンディショニング、R-INLA、inlabru、ngmeなどのソフトウェアインターフェースを活用して、計算効率を向上させる。

実験結果

リサーチクエスチョン

• RQ1 マテルン共分散構造を有するガウス確率場のスパースで計算効率の良い表現をSPDEがどのように構築できるか。
• RQ2 SPDEの解、ヒルベルト空間への射影、任意の多様体上でのマルコフランダムフィールドの間の理論的関係は何か。
• RQ3 SPDEフレームワークは、非ガウス的、非定常的、非分離可能な時空間的確率場にどのように拡張できるか。
• RQ4 SPDEベースのモデルとNNGPやスペクトル法などの代替手法との間の計算的トレードオフは何か。
• RQ5 SPDEベースのモデルは、連続領域の性質をどのように保ちながら、スケーラブルな推論を可能にするか。

主な発見

• SPDEアプローチは、有限要素離散化から得られるスパースな精度行列を活用することで、ガウス場における推論の計算コストをO(N)まで線形に抑えることができる。
• ヒルベルト空間への射影を用いることで、特定の滑らかさパラメータに対して、連続的なマテルン共分散場と離散的GMRFとの間で正確な一致が達成される。
• 潜在ガウスモデルと確率的表現を用いたSPDEフレームワークは、非ガウスの場に対しても対応可能であり、ngme Rパッケージで実装済みである。
• 応用分野はマラリアモデリング、EUSTACE気候再構築、神経画像法、漁業科学にまで及び、広範な実用的有用性を示している。
• EUSTACEプロジェクトで示されたように、直接コレスキー解法を用いて、約200万ノードに達する規模の問題にもスケーリング可能である。
• 非マルコフ的および非定常モデルへの拡張は理論的にもしっかりしており、複雑な時空間モデリングにおいてますます広く使われている。