[논문 리뷰] Convergence of Random Batch Method for interacting particles with disparate species and weights

Shi Jin, Lei Li외 1명|arXiv (Cornell University)|2020. 03. 25.

Markov Chains and Monte Carlo Methods참고 문헌 42인용 수 6

한 줄 요약

이 논문은 서로 다른 종류와 무게를 가진 상호작용 입자 시스템에 대한 랜덤 배치 방법(Random Batch Method, RBM)의 수렴성을 확립한다. 강한 오차는 $O( au)$의 순서이고, 약한 오차는 $O( au)$의 순서이며, 둘 다 $N$에 대해 균일하다. 이 분석은 동일한 입자에 대한 이전 결과를 확장하여, 비가환성(non-exchangeability)을 다루기 위해 가중 오차 평균화와 정교한 보조 보조정리를 도입하였다.

ABSTRACT

We consider in this work the convergence of Random Batch Method proposed in our previous work [Jin et al., J. Comput. Phys., 400(1), 2020] for interacting particles to the case of disparate species and weights. We show that the strong error is of $O(\sqrtτ)$ while the weak error is of $O(τ)$ where $τ$ is the time step between two random divisions of batches. Both types of convergence are uniform in $N$, the number of particles. The proof of strong convergence follows closely the proof in [Jin et al., J. Comput. Phys., 400(1), 2020] for indistinguishable particles, but there are still some differences: since there is no exchangeability now, we have to use a certain weighted average of the errors; some refined auxiliary lemmas have to be proved compared with our previous work. To show that the weak convergence of empirical measure is uniform in $N$, certain sharp estimates for the derivatives of the backward equations have been used. The weak convergence analysis is also illustrating for the convergence of Random Batch Method for $N$-body Liouville equations.

연구 동기 및 목표

• 비동일한 입자에서의 랜덤 배치 방법(Random Batch Method, RBM)의 수렴 분석을 동일한 입자에서의 결과로부터 확장한다.
• 입자 수 $N$에 대해 균일한 강한 및 약한 수렴 속도를 확립한다.
• 다른 무게와 종류를 가진 입자 시스템에서의 비가환성의 부재를 극복하기 위해 가중 오차 평균화 기법을 도입한다.
• 약한 수렴이 $N$에 대해 균일하도록 보장하기 위해 후행 방정식의 도함수에 대한 정밀한 추정치를 도출한다.
• 약한 수렴 분석을 통해 RBM이 $N$체리우스 방정식(N-body Liouville equations)에 적용 가능한지를 보여준다.

제안 방법

• 각 시간 단계 $\tau$에서 입자를 랜덤 배치로 나누고, 상호작용을 배치 내부로 국한시켜 RBM 프레임워크를 적응한다.
• 다른 무게와 종류로 인해 발생하는 비가환성 입자에 대응하기 위해 오차의 가중 평균을 사용한다.
• 약한 수렴을 분석하기 위해 후행 콜모고로프 방정식 접근법을 적용하며, 해의 도함수에 대한 정밀한 추정치가 필요하다.
• 후행 방정식의 도함수 추정치에 그로나발의 부등식(Gronwall's inequality)을 적용하여 오차 성장이 $N$에 대해 균일하게 제어되도록 한다.
• 고차 도함수($\nabla_{x_i}u$, $\nabla_{x_i}\nabla_{x_j}u$ 등)에 대한 재귀적 추정치를 유도하여, $k$-번째 도함수의 경우 $O(1/N^k)$로 감소함을 보여준다.
• 텐서 표기법과 수축 관례를 사용하여 후행 방정식의 생성자에서 복잡한 도함수 표현을 관리한다.

실험 결과

연구 질문

• RQ1 서로 다른 무게와 종류를 가진 상호작용 입자에 대해 랜덤 배치 방법(Random Batch Method)의 강한 수렴 속도는 무엇인가?
• RQ2 비균일한 입자를 포함한 $N$체 입자 시스템에서 경험 측도의 약한 수렴은 어떻게 행동하는가?
• RQ3 비가환성 입자를 고려할 때, 강한 오차와 약한 오차에 대해 $N$에 대해 균일한 수렴 분석이 가능할 수 있는가?
• RQ4 균일한 약한 수렴을 확보하기 위해 후행 방정식의 도함수에 필요한 정밀한 추정치는 무엇인가?
• RQ5 이 방법은 $N$체리우스 방정식으로 어떻게 확장될 수 있는가?

주요 결과

• 랜덤 배치 방법의 강한 오차는 $O(\sqrt{\tau})$의 순서이며, $N$에 대해 균일하다. 이는 서로 다른 무게와 종류를 가진 비가환성 입자 시스템에서도 성립한다.
• 약한 오차는 $O(\tau)$의 순서이며, 이 수렴은 $N$에 대해 균일하다. 이는 평균장 근사 일致성(mean-field limit consistency)에 필수적이다.
• 강한 수렴의 증명은 비가환성의 부재로 인해 기존의 동일한 입자 케이스와 달리, 오차의 가중 평균이 필요하다.
• 후행 방정식의 도함수에 대한 정밀한 추정치를 도출하였으며, $\|\nabla_{x_i}u\|_{\infty} = O(1/N)$ 및 $\|\nabla_{x_i}\nabla_{x_j}u\|_{\infty} = O(1/N^2)$ ($i \neq j$)임을 보여주었으며, 이는 약한 수렴에 핵심적이다.
• 해의 고차 도함수는 $k$-번째 도함수의 경우 $O(1/N^k)$로 감소함을 보여주며, 이는 수렴의 균일성을 뒷받침한다.
• 약한 수렴 분석은 RBM이 $N$체리우스 방정식에 적용될 때의 수렴에 기초를 제공하며, 이의 이론적 타당성을 확장한다.