[논문 리뷰] Eryn : A multi-purpose sampler for Bayesian inference

Nikolaos Karnesis, Michael L. Katz외 3명|arXiv (Cornell University)|2023. 03. 03.

Pulsars and Gravitational Waves Research참고 문헌 93인용 수 5

한 줄 요약

Eryn은 유연하고 오픈소스인 마르코프 체인 몬테카를로(MCMC) 샘플러로, 역행 가능한 점프 MCMC와 병렬 온도 조절을 통합하여 동적 파rameter 공간에서 효율적인 베이지안 추론을 가능하게 하며, 특히 복잡한 중력파 데이터 분석에 적합하다. 시뮬레이션된 LISA 유사 환경에서 10개의 주입된 초소형 이중성계 신호 중 8개를 성공적으로 복원하여, 신호 혼잡도 제한 조건에서의 차원을 초월하는 샘플링 능력을 입증한다.

ABSTRACT

In recent years, methods for Bayesian inference have been widely used in many different problems in physics where detection and characterization are necessary. Data analysis in gravitational-wave astronomy is a prime example of such a case. Bayesian inference has been very successful because this technique provides a representation of the parameters as a posterior probability distribution, with uncertainties informed by the precision of the experimental measurements. During the last couple of decades, many specific advances have been proposed and employed in order to solve a large variety of different problems. In this work, we present a Markov Chain Monte Carlo (MCMC) algorithm that integrates many of those concepts into a single MCMC package. For this purpose, we have built { t Eryn}, a user-friendly and multipurpose toolbox for Bayesian inference, which can be utilized for solving parameter estimation and model selection problems, ranging from simple inference questions, to those with large-scale model variation requiring trans-dimensional MCMC methods, like the LISA global fit problem. In this paper, we describe this sampler package and illustrate its capabilities on a variety of use cases.

연구 동기 및 목표

• 변동하는 파rameter 차원을 다룰 수 있는 일반 목적의 사용자 友好的 MCMC 도구를 개발하여 복잡한 베이지안 추론 문제를 해결하는 것.
• LISA 글로벌 피팅과 같은 고차원, 차원을 초월하는 문제에서의 모형 선택 및 파rameter 추정에 대한 계산적 과제를 해결하는 것.
• LISA 데이터에서 수백만 개의 초소형 이중성계로 인한 혼잡한 전경 신호와 같은 겹치는 신호가 존재하는 상황에서 효율적인 샘플링을 가능하게 하는 것.
• 특수 목적의 단일 기능 도구를 넘어서 표준 및 차원을 초월하는 MCMC 샘플링을 지원하는 유연하고 확장 가능한 프레임워크를 제공하는 것.
• 겹치는 신호 전경에서 개별 신호를 식별할 수 있는 전체 LISA 데이터 분석 파이프라인 개발을 지원하는 것.

제안 방법

• 다양한 차원을 가진 모형 간의 이동을 가능하게 하여 모형 공간과 파rameter 공간을 동시에 추론할 수 있도록 역행 가능한 점프 MCMC 알고리즘을 사용한다.
• 고차원, 다모드 사후 분포에서 혼합과 수렴을 향상시키기 위해 병렬 온도 조절을 통합한다.
• 알 수 없는 신호 파형에 대해 형태에 구애받지 않는 추론을 가능하게 하기 위해 B-spline 기반 스펙트럼 모델을 사용한다. 이는 파형의 형태가 잘 알려지지 않은 신호 탐지에 매우 중요하다.
• 반복적인 탐색 단계와 고정된 소스 모델링을 조합하여 밝은 신호를 먼저 식별하고 분리한 후, 더 약한 신호에 대해 차원을 초월하는 샘플링을 적용한다.
• 다양한 차원의 모형 간의 매끄러운 전환을 보장하기 위해 차원 일치 기법과 적응형 제안 분포를 구현한다.
• LISA 주파수 대역에서 초소형 이중성계 파형을 효율적으로 계산하기 위해 GBGPU 패키지를 활용한다.

(a)

실험 결과

연구 질문

• RQ1 일관된 일반 목적의 MCMC 샘플러가 복잡한 중력파 데이터에서 표준 파rameter 추정과 차원을 초월하는 모형 선택을 효과적으로 처리할 수 있는가?
• RQ2 역행 가능한 점프 MCMC에 병렬 온도 조절을 적용한 알고리즘이 LISA와 같은 혼잡도 제한 환경에서 약한 겹치는 신호를 얼마나 잘 복원할 수 있는가?
• RQ3 형태에 구애받지 않는 스펙트럼 모델(예: B-spline)이 시뮬레이션된 LISA 데이터에서 파형이 알려지지 않은 신호를 탐지하는 데 어떤 성능을 보이는가?
• RQ4 반복적인 소스 추출 후 차원을 초월하는 샘플링을 적용하면 조밀한 신호 분포에서 수렴성과 정확도가 향상되는가?
• RQ5 Eryn은 bilby와 같은 기존의 전용 도구에 비해 동적 파rameter 공간과 모형 선택 작업을 다룰 때 어떤가?

주요 결과

• Eryn은 4 mHz의 밴드 중심에서 초점을 맞춘 1년 분량의 시뮬레이션된 LISA 관측에서 주입된 10개의 초소형 이중성계 신호 중 8개를 성공적으로 복원하였다.
• 특히 신호 대 잡음 비율(SNR)이 10 이하인 최적의 경우에서 조차도 신호 겹침과 낮은 SNR가 존재하는 상황에서도 강건한 수렴성을 확보하였다.
• 반복적인 소스 고정과 역행 가능한 점프 MCMC의 조합은 잔여 데이터에서 더 약한 신호의 탐지와 더 빠른 수렴을 가능하게 하였다.
• Eryn의 B-spline 기반 스펙트럼 모델은 형태에 구애받지 않는 추론에서 효과적인 신호 탐지 능력을 입증하여, 이는 형태에 구애받지 않는 추론에서의 유용성을 보여주었다.
• 동적 모형 공간 탐색을 위해 특별히 설계된 만큼, Eryn은 기존의 라이브러리인 bilby보다 차원을 초월하는 샘플링 작업에서 뛰어난 성능을 보였다.
• Eryn은 이미 여러 개의 발표된 연구 및 향후 연구에 적용되어 실제 중력파 데이터 분석에서의 강건성과 유연성을 검증하였다.

(b)