[논문 리뷰] Agents.jl: A performant and feature-full agent based modelling software of minimal code complexity

George Datseris, Ali R. Vahdati외 1명|arXiv (Cornell University)|2021. 01. 25.

Modeling, Simulation, and Optimization참고 문헌 22인용 수 8

한 줄 요약

Agents.jl은 Julia로 구현된 고성능, 최소 코드량의 에이전트 기반 모델링 프레임워크로, NetLogo, Mesa, MASON과 같은 주요 대안들보다 빠른 속도와 더 단순한 코드 구조를 제공하면서도 더 풍부한 기능과 Julia 생태계 전반에 걸친 원활한 통합을 제공한다. 이는 빠른 프로토타이핑, 효율적인 파rameter 최적화 및 고급 모델링 기능을 훨씬 낮은 개발 복잡도로 가능하게 한다.

ABSTRACT

Agent based modelling is a simulation method in which autonomous agents interact with their environment and one another, given a predefined set of rules. It is an integral method for modelling and simulating complex systems, such as socio-economic problems. Since agent based models are not described by simple and concise mathematical equations, code that generates them is typically complicated, large, and slow. Here we present Agents.jl, a Julia-based software that provides an ABM analysis platform with minimal code complexity. We compare our software with some of the most popular ABM software in other programming languages. We find that Agents.jl is not only the most performant, but also the least complicated software, providing the same (and sometimes more) features as the competitors with less input required from the user. Agents.jl also integrates excellently with the entire Julia ecosystem, including interactive applications, differential equations, parameter optimization, and more. This removes any ``extensions library'' requirement from Agents.jl, which is paramount in many other tools.

연구 동기 및 목표

• 에이전트 기반 모델링(ABM) 소프트웨어에서 흔히 발생하는 높은 코드 복잡도와 낮은 성능 문제를 해결하기 위해.
• 기능을 극대화하면서도 필요한 코드를 최소화하여 ABM 개발자의 개발 부담을 줄이기 위해.
• 차분한 미분 방정식, 최적화, 시각화, 상호작용 모델링 등과 같은 더 넓은 Julia 생태계와의 원활한 통합을 가능하게 하기 위해.
• 복잡한 ABM 개발에서 재현 가능성, 확장성, 협업을 향상시키기 위해.
• 도메인 전용 도구들인 NetLogo와는 달리, 현대적이고 일반적인 목적의 ABM 프레임워크를 제공하여 빠르고 학습이 쉬운 환경을 조성하기 위해.

제안 방법

• 프레임워크는 Julia 전용으로 완전히 구현되어 있으며, 고수준 문법과 Just-in-Time 컴파일을 활용해 최적의 성능을 달성한다.
• 에이전트, 공간, 규칙, 시간 단계 등의 핵심 ABM 구성 요소를 최소한의 부가 코드로 간결하고 조합 가능한 API로 추상화한다.
• Agents.jl은 이산 격자, 연속 공간, 방향성 그래프, 그리고 실질적인 공간 모델링을 위한 OpenStreetMap 통합을 포함한 다양한 공간 유형을 지원한다.
• 내장된 시각화 및 GUI 도구를 통해 자동 데이터 수집, 파rameter 탐색, 상호작용 모델 실행을 가능하게 한다.
• DifferentialEquations.jl, BlackBoxOptim.jl, ModelingToolkit.jl 등의 Julia 패키지와의 내장 통합을 통해 하이브리드 모델링 및 최적화를 지원한다.
• Julia의 메타프로그래밍 및 매크로 시스템을 활용해 향후 ODD 프로토콜 템플릿 생성을 지원하여 모델 문서화 및 재현 가능성을 향상시킬 수 있도록 한다.

실험 결과

연구 질문

• RQ1 현대적이고 일반적인 목적의 프로그래밍 언어인 Julia를 사용해 기존의 도구들보다 더 빠르고 단순한 ABM 프레임워크를 구축할 수 있는가?
• RQ2 Agents.jl은 NetLogo, Mesa, MASON과 비교해 복잡한 ABM를 구현하기 위해 필요한 코드의 양을 얼마나 줄이는가?
• RQ3 다양한 ABM 사용 사례에서 Agents.jl의 실행 속도와 확장성은 어떻게 평가되는가?
• RQ4 Agents.jl은 외부 플러그인 없이도 Julia 생태계의 고급 분석 도구와 얼마나 잘 통합되는가?
• RQ5 Agents.jl은 코드 복잡도를 증가시키지 않으면서도, 미분 방정식, 최적화, 사용자 정의 공간 유형 등의 복잡한 모델링 확장 기능을 지원할 수 있는가?

주요 결과

• Agents.jl은 모든 벤치마크 모델에서 NetLogo, Mesa, MASON과 같은 평가 대상 프레임워크들 중에서 가장 높은 성능을 기록했다.
• 유사한 모델을 구현하기 위해 경쟁 제품들보다 훨씬 적은 코드를 요구하며, 한 예에서는 Mesa 대비 코드 라인 수가 50% 감소한 것으로 나타났다.
• BlackBoxOptim.jl를 사용해 최적화한 전염병 SIR 모델은 전파율 및 기타 파rameter를 조정함으로써 감염률을 인구의 94%에서 0.04%로 감소시켰다.
• 다양한 에이전트 공간 유형(예: 육각형 격자, OpenStreetMap), 유연한 데이터 수집, 최소한의 사용자 입력으로도 자동 파arameter 스윕 기능을 포함한 고급 기능을 지원한다.
• DifferentialEquations.jl, 베이지안 추론, 진화 최적화 등 Julia 생태계의 다양한 도구와의 원활한 통합이 가능하며, 외부 라이브러리나 플러그인 없이도 작동한다.
• 확장성과 재현 가능성을 고려해 설계되었으며, 향후 Julia 매크로를 통한 ODD 프로토콜 템플릿 생성 기능을 계획하고 있어 모델의 투명성과 재사용성을 향상시킬 수 있다.