[논문 리뷰] Clustered nested sampling: efficient Bayesian inference for cosmology

Ruth G. Shaw, M. Bridges외 1명|arXiv (Cornell University)|2007. 01. 30.

Bayesian Methods and Mixture Models인용 수 6

한 줄 요약

이 논문은 천체물리학에서 베이지안 증거 계산을 향상시키기 위해 단일 큰 타원체 제약 조건을 서로 다른 우도 최고점에 중심을 둔 여러 개의 더 작은 타원체로 대체하는 군집화된 내포 샘플링을 소개한다. 다중 최고점 우도 함수에 적응함으로써, 이 방법은 작은 군집의 총 부피와 단일 둘러싸는 타원체의 부피 비율과 같은 요소로 인해 샘플링 효율성을 향상시킨다.

ABSTRACT

Bayesian model selection provides the cosmologist with an exacting tool to distinguish between competing models based purely on the data, via the Bayesian evidence. Previous methods to calculate this quantity either lacked general applicability or were computationally demanding. However, nested sampling (Skilling 2004), which was recently applied successfully to cosmology by Muhkerjee et al. 2006, overcomes both of these impediments. Their implementation restricts the parameter space sampled, and thus improves the efficiency, using a decreasing ellipsoidal bound in the n-dimensional parameter space centred on the maximum likelihood point. However, if the likelihood function contains any multi-modality, separated over a significant portion of the parameter space then the ellipse is prevented from constraining the sampling region by less than the distance between the likelihood peaks. In this paper we introduce a method of clustered nested sampling whereby ellipsoidal clusters can form on any peaks identified –thus improving the efficiency by a factor which is equal to the ratio of the volumes enclosed by the set of small clustered ellipsoids and the large single ellipse that would necessarily be required without clustering. In addition we have implemented a method for determining

연구 동기 및 목표

• 천체물리학적 모델 선택에서 흔한 다중 최고점 파arameter 공간에서 표준 내포 샘플링의 비효율성을 해결한다.
• 분리된 우도 최고점들을 탐색하지 못하는 단일 타원체 제약 조건의 한계를 극복한다.
• 동적으로 여러 우도 최고점들을 식별하고 그 주변을 샘플링함으로써 계산 효율성을 향상시키는 방법을 개발한다.
• 복잡한 천체물리학적 모델에 대해 더 정확하고 확장 가능한 베이지안 증거 평가를 가능하게 한다.

제안 방법

• 표준 내포 샘플링에서 사용하는 단일 타원체 제약 조건을, 식별된 우도 최고점에 중심을 둔 여러 개의 더 작은 타원체로 교체한다.
• 클러스터링 알고리즘을 사용하여 우도 함수의 서로 다른 국소 최대값에 해당하는 매개변수 공간 영역을 탐지하고 군집화한다.
• 각 군집 내에서 독립적으로 내포 샘플링을 적용하여 고우도 영역을 더 효과적으로 탐색한다.
• 라이브 포인트의 분포와 우도 기울기 기반으로 군집 경계를 동적으로 업데이트한다.
• 모든 군집의 증거 기여도를 통합하여 총 베이지안 증거를 계산한다.
• 우도 구조에 대한 사전 지식이 없는 상태에서 군집 경계와 최고점 식별을 위한 방법을 통합한다.

실험 결과

연구 질문

• RQ1 천체물리학적 매개변수 추론에서 다중 최고점 우도 함수가 존재할 경우 내포 샘플링은 어떻게 더 효율적으로 만들 수 있는가?
• RQ2 내포 샘플링에서 단일 둘러싸는 타원체 대비 다수의 타원체 군집을 사용할 경우의 계산적 이점은 무엇인가?
• RQ3 클러스터링은 분리된 우도 최고점이 있는 모델에서 베이지안 증거 추정의 정확성과 수렴성을 향상시킬 수 있는가?
• RQ4 우도 최고점은 고차원 매개변수 공간에서 사전 지식 없이 어떻게 신뢰성 있게 탐지하고 분리할 수 있는가?

주요 결과

• 군집화된 내포 샘플링은 작은 군집의 총 부피와 단일 둘러싸는 타원체의 부피 비율과 같은 요소로 인해 샘플링 효율성을 향상시킨다.
• 표준 내포 샘플링이 갇힌 타원체 제약 조건으로 인해 실패하는 다중 최고점 우도 함수를 효과적으로 샘플링할 수 있다.
• 이 방법은 복잡하고 분리된 우도 구조를 가진 천체물리학적 모델에서 더 정확한 베이지안 증거 계산을 가능하게 한다.
• 구현은 매개변수 공간의 위상에 대한 사전 지식이 없이도 우도 최고점 식별과 군집 형성 메커니즘을 포함한다.