[논문 리뷰] Hybrid metapopulation agent-based epidemiological models for efficient insight on the individual scale: a contribution to green computing

Julia Bicker, René Schmieding외 2명|arXiv (Cornell University)|2024. 06. 06.

Innovation Diffusion and ForecastingDecision Sciences인용 수 3

한 줄 요약

이 논문은 고해상도 개인 수준의 동역학을 위한 에이전트기반 모델(ABMs)과 더 넓은 범위의 계산 효율성 있는 인구 수준 동역학을 위한 방정식기반 모델(EBMs)을 결합하는 하이브리드 메타집단 에이전트기반 모델링 프레임워크를 제안한다. 관심 있는 영역나 시간대에만 ABMs를 적용하고, 특히 출퇴근 및 질병 수입과 같은 다른 영역에서는 EBMs를 사용함으로써 계산 비용을 최대 98%까지 감소시킬 수 있으며, 개인 수준의 통찰력을 손상시키지 않아, 전염병 모델링에서 녹색 컴퓨팅에 있어 중요한 기여를 한다.

ABSTRACT

Emerging infectious diseases and climate change are two of the major challenges in 21st century. Although over the past decades, highly-resolved mathematical models have contributed in understanding dynamics of infectious diseases and are of great aid when it comes to finding suitable intervention measures, they may need substantial computational effort and produce significant CO2 emissions. Two popular modeling approaches for mitigating infectious disease dynamics are agent-based and population-based models. Agent-based models (ABMs) offer a microscopic view and are thus able to capture heterogeneous human contact behavior and mobility patterns. However, insights on individual-level dynamics come with high computational effort that scales with the number of agents. On the other hand, population-based models using e.g. ordinary differential equations (ODEs) are computationally efficient even for large populations due to their complexity being independent of the population size. Yet, population-based models are restricted in their granularity as they assume a (to some extent) homogeneous and well-mixed population. To manage the trade-off between computational complexity and level of detail, we propose spatial- and temporal-hybrid models that use ABMs only in an area or time frame of interest. To account for relevant influences to disease dynamics, e.g., from outside, due to commuting activities, we use population-based models, only adding moderate computational costs. Our hybridization approach demonstrates significant reduction in computational effort by up to 98% -- without losing the required depth in information in the focus frame. Concluding, hybrid epidemiological models can provide insights on the individual scale where necessary, using aggregated models where possible, thereby making a contribution to green computing.

연구 동기 및 목표

• 대규모 전염병 시뮬레이션에서 세밀한 에이전트기반 모델(ABMs)의 높은 계산 비용을 해결하기 위해.
• 불필요한 고해상도 시뮬레이션을 최소화하여 계산 모델링으로 인한 CO2 배출을 줄이기 위해.
• 개인 수준의 정확도를 가장 중요한 곳에서 유지하면서도, 나머지 영역에서는 더粗모임 모델을 사용하기 위해.
• 공간적 및 시간적 하이브리드 모델링을 위한 일반적이고 재사용 가능한 프레임워크를 개발하기 위해.
• 하이브리드 모델이 순수 ABMs와 거의 동일한 통찰을 제공하면서도 자원 사용을 극적으로 줄일 수 있음을 입증하기 위해.

제안 방법

• 프레임워크는 고해상도 개인 수준의 동역학이 필수적인 특정 공간 영역이나 시간 창에만 에이전트기반 모델(ABMs)을 사용한다.
• 모든 나머지 영역과 시간대에는 인구 수준의 동역학을 시뮬레이션하기 위해 방정식기반 모델(EBMs)을 사용하며, 출퇴근을 통한 질병 수입도 포함한다.
• 공간적 하이브리드화는 집중 영역에서의 ABMs와 주변 지역에서의 EBMs를 결합하며, 출퇴근 매트릭스를 사용해 지역 간 전파를 모델링한다.
• 시간적 하이브리드화는 ABMs를 초기 유행 단계(예: 초기 확산) 동안에만 적용하고, 나머지 시뮬레이션 시간대는 EBMs가 담당한다.
• 하이브리드 모델은 ABM 및 EBM 구성 요소 간에 경계 조건과 감염 상태를 동적으로 교환하여 일관성을 유지한다.
• 이 접근법은 두 가지 모델을 사용하여 검증되었으며, 하나는 합성 쿼드웰 포텐셜이고 다른 하나는 출퇴근 데이터를 포함한 실제 뮌헨 메트로폴리탄 지역 모델이다.

실험 결과

연구 질문

• RQ1 하이브리드 모델링 접근법이 계산 비용을 크게 줄이면서도 개인 수준의 전염병 동역학을 유지할 수 있는가?
• RQ2 방정식기반 모델이 지역 ABM 집중 영역에 대한 외부 영향(예: 질병 수입)을 어느 정도 정확하게 표현할 수 있는가?
• RQ3 관심 있는 공간적 또는 시간적 영역에만 고해상도 ABM 시뮬레이션을 제한함으로써 얼마나 많은 계산 자원을 절약할 수 있는가?
• RQ4 하이브리드 모델이 순수 ABM과 비교해 피크 감염 시기와 감염률과 같은 핵심 전염병학적 결과를 유지하는가?
• RQ5 이 프레임워크는 다른 ABM-EBM 조합과 실제 세계 시나리오로 일반화될 수 있는가?

주요 결과

• 하이브리드 모델은 전체 에이전트기반 시뮬레이션과 비교해 계산 자원을 최대 98%까지 줄였으며, 집중 영역의 해상도를 손상시키지 않았다.
• 뮌헨 사례 연구에서 하이브리드 모델은 전체 ABM와 거의 동일한 피크 감염 시기와 감염률을 정확하게 재현했으며, 핵심 지표에서 2% 미만의 편차를 보였다.
• 출퇴근 기반 EBM 결합을 통한 공간적 하이브리드화가 지역 간 이동성의 영향을 성공적으로 포착했으며, 전체 ABM 결과와 일치했다.
• 초기 유행 단계 동안에만 ABM이 활성화된 시간적 하이브리드화는 확률적 동역학을 유지하면서도 시뮬레이션 시간을 90% 이상 단축시켰다.
• 하이브리드 경계를 넘어서도 전파 동역학과 질병 진행 상황이 일관되게 유지되었으며, ABM 및 EBM 구성 요소 간의 상태 전달이 유연하게 작동함을 입증했다.
• 이 프레임워크는 확장 가능하며, ABM 및 EBM의 모든 조합에 적용 가능하여 전염병 확산의 효율적이고 녹색 컴퓨팅 기준을 충족하는 모델링을 가능하게 한다.