[논문 리뷰] Diffusion bridges for stochastic Hamiltonian systems with applications to shape analysis

Alexis Arnaudon, Frank van der Meulen외 2명|arXiv (Cornell University)|2020. 02. 03.

Morphological variations and asymmetry참고 문헌 16인용 수 5

한 줄 요약

이 논문은 형태 분석 및 유체역학에서 확률적 해밀턴 시스템을 위한 새로운 확산 다리 샘플링 기법을 제안하며, 부분적으로 관측된 랜드마크 데이터로부터 효과적인 경로 복원과 매개변수 추론을 가능하게 한다. 기하학적 구조를 활용하고 비선형 구성 공간을 다루어 이전의 비정확 매칭 기법을 확률적 설정으로 일반화하며, 이전 방법의 샘플링 효율성 및 특이해에 대한 적용 제한을 초월한다.

ABSTRACT

Stochastically evolving geometric systems are studied in geometric mechanics for modelling turbulence parts of multi-scale fluid flows and in shape analysis for stochastic evolutions of shapes of, e.g., human organs. Recently introduced models involve stochastic differential equations that govern the dynamics of a diffusion process $X$. In applications $X$ is only partially observed at times $0$ and $T>0$. Conditional on these observations, interest lies in inferring parameters in the dynamics of the diffusion and reconstructing the path $(X_t,\, t\in [0,T])$. The latter problem is known as bridge simulation. We develop a general scheme for bridge sampling in the case of finite dimensional systems of shape landmarks and singular solutions in fluid dynamics. This scheme allows for subsequent statistical inference of properties of the fluid flow or the evolution of observed shapes. It covers stochastic landmark models for which no suitable simulation method has been proposed in the literature, that removes restrictions of earlier approaches, improves the handling of the nonlinearity of the configuration space leading to more effective sampling schemes and allows to generalise the common inexact matching scheme to the stochastic setting.

연구 동기 및 목표

• 초기 및 최종 상태만 관측되는 경우에 동역학을 추론하고 관측되지 않은 경로를 복원하는 데 도전하는 문제를 해결한다.
• 기존의 브리지 시뮬레이션 방법은 확률적 랜드마크 모델에 대해 실패하거나 비선형성과 기하학에 대한 제한적인 가정을 요구하므로 이를 극복한다.
• 유한차원 형태 랜드마크 시스템과 유체역학에서의 특이해에 적용 가능한 일반 목적의 샘플링 기법을 개발한다.
• 확률적 동역학 하에서 정확하고 효율적인 경로 복원을 제공함으로써 유동성의 특성과 형태 변화에 대한 통계적 추론을 가능하게 한다.
• 일반적으로 결정론적 형태 분석에서 사용되는 비정확 매칭 프레임워크를 확률적 설정으로 일반화하여 실제 응용에 더 높은 모델 정밀도를 제공한다.

제안 방법

• 형태 분석에서 랜드마크 구성의 동역학을 지배하는 확률적 미분 방정식(SDE)에 기반한 브리지 샘플링 기법을 제안한다.
• 해밀턴 시스템의 기하학적 구조를 활용하여 샘플링 과정이 구성 공간의 내재된 비선형 기하학을 존중하도록 보장한다.
• 관측된 초기 및 최종 랜드마크 구성에 고정된 조건부 확산 과정을 구축하여 브리지 시뮬레이션을 통한 경로 복원을 가능하게 한다.
• 기본 해밀턴 동역학의 심플렉틱성 및 운동량 보존 구조를 유지하는 수치적 방법을 통합하여 샘플링 정확도를 향상시킨다.
• 동역학에 무작위 편향을 포함시켜 비정확 매칭 패러다임을 확률적 설정에 적응시켜 형태 변화의 불확실성을 현실적으로 모델링할 수 있도록 한다.
• 이 방법을 유한차원 랜드마크 시스템과 유체역학에서의 특이해에 모두 적용하여 기하역학적 역학 전반에 걸쳐 광범위한 적용 가능성을 입증한다.

실험 결과

연구 질문

• RQ1 형태 분석에서 발생하는 비선형 구성 공간을 가진 확률적 해밀턴 시스템에서 효율적인 확산 다리 시뮬레이션은 어떻게 수행할 수 있는가?
• RQ2 부분적 관측이 있는 랜드마크 기반 형태 변화 모델에서 관측되지 않은 경로의 정확한 복원을 가능하게 하는 샘플링 기법은 무엇인가?
• RQ3 비정확 매칭 프레임워크는 비선형성과 기하학적 일관성을 유지하면서 어떻게 확률적 동역학으로 일반화될 수 있는가?
• RQ4 비선형성과 특이해 존재 시 기존 접근법에 비해 제안된 방법이 샘플링 효율성과 정확도를 어떻게 향상시키는가?
• RQ5 이 브리지 샘플링 방법은 유동성의 통계적 추론 및 형태 변화 동역학에 어떤 영향을 미치는가?

주요 결과

• 제안된 브리지 샘플링 기법은 이전에 시뮬레이션 방법이 존재하지 않았던 확률적 랜드마크 모델을 성공적으로 처리하여 문헌에서 중요한 갭을 메운다.
• 구성 공간의 비선형 기하학을 존중함으로써 샘플링 효율성이 향상되어 경로 공간의 효과적인 탐색이 가능해진다.
• 비정확 매칭 접근법을 확률적 동역학으로 일반화하여 형태 변화 및 유동성에서의 불확실성을 더 현실적으로 모델링할 수 있게 되었다.
• 이 기법은 유한차원 랜드마크 시스템과 유체역학에서의 특이해 모두에 적용 가능하여 광범위한 이론적 및 실용적 관련성을 입증한다.
• 기본 해밀턴 시스템의 심플렉틱성 및 운동량 보존 구조를 유지함으로써 물리적으로 일관되고 안정적인 경로 복원을 보장한다.
• 끝점에서 부분적 관측만 존재하는 상황에서도 유동성 또는 형태 변화를 지배하는 매개변수에 대한 강력한 통계적 추론을 가능하게 한다.