[논문 리뷰] Mathematical Basis for Physical Inference

Albert Tarantola, Klaus Mosegaard|ArXiv.org|2000. 09. 20.

Neural Networks and Applications참고 문헌 5인용 수 9

한 줄 요약

이 논문은 분석적 물리 이론을 물리적 매개변수 공간 위의 확률 분포로 대체함으로써 물리적 추론을 위한 형식적인 수학적 프레임워크를 제안한다. '또하나'와 '그리고' 연산을 사용하여 추론을 체계화하며, 예측과 역문제에서의 불확실성에 일관되게 대처할 수 있도록 한다. 이는 전통적인 외삽적 물리학에 대한 체계적이고 경험적 근거를 가진 대안을 제공한다.

ABSTRACT

While the axiomatic introduction of a probability distribution over a space is common, its use for making predictions, using physical theories and prior knowledge, suffers from a lack of formalization. We propose to introduce, in the space of all probability distributions, two operations, the OR and the AND operation, that bring to the space the necessary structure for making inferences on possible values of physical parameters. While physical theories are often asumed to be analytical, we argue that consistent inference needs to replace analytical theories by probability distributions over the parameter space, and we propose a systematic way of obtaining such "theoretical correlations", using the OR operation on the results of physical experiments. Predicting the outcome of an experiment or solving "inverse problems" are then examples of the use of the AND operation. This leads to a simple and complete mathematical basis for general physical inference.

연구 동기 및 목표

• 물리적 추론을 형식화하기 위해 결정론적 기능 관계를 물리적 매개변수 위의 확률 분포로 대체한다.
• 특히 불확실성 처리와 정보 통합을 고려할 때 확률 공간의 공식적 구조가 부족한 문제를 해결한다.
• 베이지안 확률 분포를 사용하여 실험 데이터로부터 이론적 상관관계를 체계적으로 유도하는 방법을 제공한다.
• 데이터, 사전 지식, 물리 이론을 통합한 확률 연산을 통해 역문제와 예측의 일관된 해를 가능하게 한다.
• 전통 물리학의 외삽적 가정을 피하면서도 관측된 매개변수 범위 내에서는 예측 능력을 유지하는 형식론을 수립한다.

제안 방법

• 실수의 대수 연산과 유사하게, 확률 분포에 대한 두 가지 기본 연산인 '또하나'와 '그리고'를 도입하여 체계적인 추론 공간을 구성한다.
• '또하나' 연산을 사용하여 독립적인 실험 결과를 매개변수 위의 공동 확률 분포로 통합하며, 히스토그램 구성의 일반화로 간주할 수 있다.
• '그리고' 연산을 사용하여 다양한 자료원(예: 데이터와 사전 지식)의 정보를 융합하며, 베이즈 정리에 의해 조건부 추론을 모델링한다.
• 물리 이론을 결정론적 방정식이 아닌, 매개변수 간 관측된 상관관계를 나타내는 확률 분포로 정의한다.
• 독립 매개변수(i)와 종속 매개변수(d) 간의 의존성을 모델링하기 위해 공동 밀도 ρ(i,d)와 조건부 밀도 σ(i,d)를 사용한다.
• θ(i,d)가 데이터의 정보량을 나타내는 바, σ(i,d)를 ρ(i,d)와 근사 밀도 μ(i,d)로부터 유도하며 공식 σ(i,d) = θ(i,d)ρ(i,d)/μ(i,d)를 사용한다.

실험 결과

연구 질문

• RQ1 데이터와 이론 모델의 불확실성을 일관되게 다룰 수 있는 방식으로 물리적 추론을 어떻게 형식화할 수 있는가?
• RQ2 실험 결과, 사전 지식, 물리 이론을 확률적 프레임워크 내에서 체계적으로 통합하기 위해 필요한 수학적 구조는 무엇인가?
• RQ3 해석적 근사에 의존하지 않고도 통합된 확률 연산을 통해 역문제의 해를 도출할 수 있는가?
• RQ4 전통 물리학의 외삽적 한계를 결정론적 이론을 경험적으로 유도된 확률 분포로 대체함으로써 어떻게 극복할 수 있는가?
• RQ5 '또하나'와 '그리고' 연산이 물리적 매개변수를 위한 일관된 추론 공간을 구성하는 데 수행하는 역할은 무엇인가?

주요 결과

• '또하나'와 '그리고' 연산을 확률 분포에 도입함으로써 실수의 대수 연산과 유사한 완전하고 일관된 수학적 구조를 물리적 추론에 제공한다.
• 데이터와 사전 지식을 '그리고' 연산을 통해 통합함으로써 역문제의 일관된 해를 도출할 수 있으며, 이는 불확실성을 반영한 사후 분포를 생성한다.
• '또하나' 연산을 통해 독립적인 실험 결과를 체계적으로 매개변수 위의 공동 확률 분포로 통합함으로써 경험 데이터로부터 이론적 상관관계를 효과적으로 구축할 수 있다.
• 이 프레임워크는 '=' 기호를 물리적 상관관계에 사용하지 않으며, 대신 내재된 불확실성을 지닌 확률 분포로 표현함으로써 전통 물리학의 함정을 피한다.
• 불확실성을 忽略할 경우 기존의 최소 제곱법과 일치함을 보였지만, 고전적 방법이 실패하는 비선형적이고 일관되지 않은 경우에도 이를 확장할 수 있다.
• 이 형식론은 일부 매개변수가 잘 제약되지 않은 경우(큰 또는 무한한 오차 범위로 나타남)를 자연스럽게 처리하여 분석 이론에서 흔히 발생하는 정당성 없는 외삽을 방지한다.