[논문 리뷰] A scalable optimal-transport based local particle filter

Matthew M. Graham, Alexandre H. Thiéry|arXiv (Cornell University)|2019. 06. 03.

Meteorological Phenomena and Simulations참고 문헌 61인용 수 8

한 줄 요약

이 논문은 공간적으로 매끄러운 입자 상태를 보장하기 위해 고정된 수의 최적 운반 맵을 공간 전역에 걸쳐 보간하는 확장 가능한 최적 운반 기반 局소 입자 필터를 제안한다. 이는 정규화된 국소 적응형 전환 입자 필터(LetPF)와 유사한 정확도와 강건성을 유지하면서도 계산 비용을 크게 감소시킨다. 이 방법은 수치 기상 예측 모델과 같은 고차원 공간 역학 시스템에서 효율적이고 일관된 추론을 가능하게 한다.

ABSTRACT

Filtering in spatially-extended dynamical systems is a challenging problem with significant practical applications such as numerical weather prediction. Particle filters allow asymptotically consistent inference but require infeasibly large ensemble sizes for accurate estimates in complex spatial models. Localisation approaches, which perform local state updates by exploiting low dependence between variables at distant points, have been suggested as a potential resolution to this issue. Naively applying the resampling step of the particle filter locally however produces implausible spatially discontinuous states. The ensemble transform particle filter replaces resampling with an optimal-transport map and can be localised by computing maps for every spatial mesh node. The resulting local ensemble transport particle filter is however computationally intensive for dense meshes. We propose a new optimal-transport based local particle filter which computes a fixed number of maps independent of the mesh resolution and interpolates these maps across space, reducing the computation required and allowing it to be ensured particles remain spatially smooth. We numerically illustrate that, at a reduced computational cost, we are able to achieve the same accuracy as the local ensemble transport particle filter, and retain its improved robustness to non-Gaussianity and ability to quantify uncertainty when compared to local ensemble Kalman filters.

연구 동기 및 목표

• 고차원 공간 역학 시스템에서 표준 입자 필터의 계산 비용이 지나치게 높아지는 문제(대규모 집단 크기 필요)를 해결하기 위해.
• 입자 필터에서 단순한 국소 재표본화로 인해 발생하는 공간적으로 불연속적인 상태 문제를 해결하기 위해.
• 계산 비용이 높은 국소 집단 전환 입자 필터(LETPF)의 확장 가능하고 공간적으로 매끄러운 대안을 개발하기 위해.
• 계산 비용을 감소시키면서도 LETPF 수준의 비정규성에 대한 강건성과 불확실성 정량화 능력을 유지하기 위해.

제안 방법

• 입자 상태의 공간 일관성을 확보하기 위해 국소 재표본화를 최적 운반 맵으로 대체한다.
• 메쉬 노드 각각에 대해 고정된 수의 최적 운반 맵을 계산하며, 이는 메쉬 해상도와 무관하게 계산 비용을 감소시킨다.
• 도메인 전역에서 이러한 맵의 공간 보간을 통해 부드러운 전이를 확보하고 입자 집단의 공간적 구조를 유지한다.
• 부드러운 국소 선형 집단 전환 필터를 구성하고 입자 필터링으로 확장하기 위해 단위 분할(partitions of unity)을 활용한다.
• 정확도를 유지하기 위해 최적 운반과 국소화 기법을 통합하여 고차원 및 공간적으로 확장된 시스템에서의 성능을 향상시킨다.
• 수치 실험을 통해 확률적 난류 및 감쇠된 Kuramoto–Sivashinsky 모델에서 방법을 검증하였다.

실험 결과

연구 질문

• RQ1 최적 운반 기반의 국소 입자 필터는 기존 방법 대비 계산 비용을 줄이면서도 공간적 매끄러움을 유지할 수 있는가?
• RQ2 제안된 방법은 더 낮은 계산 비용으로 국소 집단 전환 입자 필터(LETPF)와 유사한 정확도를 달성할 수 있는가?
• RQ3 고정된 수의 운반 맵을 보간함으로써 LETPF의 비정규성에 대한 강건성과 불확실성 정량화 능력을 유지할 수 있는가?
• RQ4 메쉬 해상도와 상태 차원이 증가함에 따라 제안된 필터의 성능은 어떻게 스케일링되는가?

주요 결과

• 제안된 방법은 국소 집단 전환 입자 필터(LETPF)와 동일한 정확도를 달성하면서도 계산 비용을 크게 감소시켰다.
• 고정된 수의 최적 운반 맵을 도메인 전역에서 보간함으로써 입자 상태의 공간적 매끄러움을 유지하여 국소 재표본화로 인한 불연속성을 방지하였다.
• 비정규 상태 분포 하에서도 강력한 성능을 보였으며, 불확실성 정량화 측면에서 국소 집단 칼만 필터보다 뛰어난 성능을 보였다.
• 확률적 난류 및 감쇠된 Kuramoto–Sivashinsky 모델에 대한 수치 실험을 통해, 이 방법이 감소된 계산 비용으로도 확장 가능하고 정확한 성능을 보임을 확인하였다.