[논문 리뷰] New tests of random numbers for simulations in physical systems

Ilpo Vattulainen|ArXiv.org|1994. 11. 16.

Mathematical Approximation and Integration참고 문헌 21인용 수 12

한 줄 요약

이 논문은 물리적 시뮬레이션에 사용되는 난수 시퀀스의 미세한 상관관계를 탐지하기 위해 고안된 다섯 가지 새로운 통계적 검정—클러스터 검정, 자기상관검정, 랜덤 워크 검정, n-블록 검정, 조건수 검정—을 소개한다. 클러스터 검정은 비트 수준의 주기적 상관관계를 탐지하는 데 특히 효과적이며, 자기상관검정, 랜덤 워크 검정, n-블록 검정은 짧은 범위의 상관관계를 탐지한다. 연구에서는 고정밀 몬테카를로 시뮬레이션에서 잘못된 결과가 삼중 상관관계와 정량적으로 연결되어 있음을 보여주며, 시퀀스의 일부를 기각함으로써 품질을 크게 향상시킬 수 있음을 밝힌다.

ABSTRACT

The aim of this Thesis is to present five new tests for random numbers, which are widely used {\em e.g.} in computer simulations in physics applications. The first two tests, the cluster test and the autocorrelation test, are based on analogies to the two-dimensional Ising model. The next two, the random walk test and the $n$-block test, are based on studies of random walks, and the condition number test presented last uses some results of Gaussian distributed random matrices. Studies with several commonly used pseudorandom number generators reveal that the cluster test is particularly powerful in finding periodic correlations on bit level, and that the autocorrelation test, the random walk test, and the $n$-block test are very effective in detecting short-ranged correlations. The results of the condition number test are mostly inconclusive, however. By means of the tests presented in this work, two important results are found. First, we show quantitatively that the reason for erroneous results in some recent high precision Monte Carlo simulations for some commonly used pseudorandom number generators are the so called triple correlations in the sequences. Then, we show that the properties of such a sequence may be considerably improved, if only a certain portion of it is used.

연구 동기 및 목표

• 몬테카를로 시뮬레이션에 사용되는 숨겨진 상관관계를 탐지하기 위한 새로운 민감한 검정을 개발하기.
• 일반적으로 사용되는 난수 생성기로 인한 고정밀 시뮬레이션에서의 잘못된 결과의 근본 원인을 규명하기.
• 의사난수 수열의 자르기(truncation)가 그 통계적 품질을 향상시킬 수 있는지 평가하기.
• 물리 시스템 시뮬레이션에서 난수 생성기의 신뢰성 평가를 체계적으로 수행할 수 있는 프레임워크 수립하기.

제안 방법

• 클러스터 검정은 이sov의 이중 차원 모델에 대한 유사성을 활용하여 비트 수준에서 주기적 상관관계를 탐지한다.
• 자기상관검정은 난수 시퀀스의 통계적 성질을 이용해 짧은 지연(lag) 동안의 상관관계를 측정한다.
• 랜덤 워크 검정은 시퀀스를 랜덤 워크의 경로로 모델링하고 그 통계적 행동을 분석하여 평가한다.
• n-블록 검정은 시퀀스를 블록으로 나누고 분산 및 상관관계 분석을 통해 통계적 독립성을 평가한다.
• 조건수 검정은 특히 가우시안 분포를 가진 행렬을 포함한 랜덤 행렬 이론의 결과를 적용하여 시퀀스 행렬의 조건수를 평가한다.
• 모든 검정은 다양한 널리 사용되는 의사난수 생성기들에 적용되어 성능 비교 및 결함 탐지에 사용된다.

실험 결과

연구 질문

• RQ1 고정밀 몬테카를로 시뮬레이션에서 체계적인 오류를 일으킬 수 있는 의사난수 시퀀스의 숨겨진 상관관계는 어떤 유형인가?
• RQ2 제안된 검정들이 기존 방법에 비해 비트 수준의 주기적 상관관계 탐지에 얼마나 효과적인가?
• RQ3 랜덤 워크 검정과 n-블록 검정을 통해 의사난수 시퀀스의 짧은 범위 상관관계를 신뢰성 있게 탐지할 수 있는가?
• RQ4 의사난수 생성기의 출력을 자르는 것이 그 통계적 품질을 어느 정도 향상시킬 수 있는가?
• RQ5 일부 의사난수 생성기가 표준 테스트를 통과함에도 불구하고 고정밀 물리 시뮬레이션에서 실패하는 이유는 무엇인가?

주요 결과

• 클러스터 검정은 일반적인 테스트들이 간과하는 비트 수준의 주기적 상관관계를 매우 효과적으로 탐지한다.
• 자기상관검정, 랜덤 워크 검정, n-블록 검정은 의사난수 시퀀스의 짧은 범위 상관관계 탐지에 특히 효과적이다.
• 조건수 검정은 대부분의 결과가 모호하여 현재 응용에 한계가 있음을 시사한다.
• 연구는 최근 고정밀 몬테카를로 시뮬레이션에서 잘못된 결과의 주요 원인이 의사난수 시퀀스의 삼중 상관관계임을 규명했다.
• 의사난수 생성기의 시퀀스를 자르는 것—즉, 출력의 일부만 사용하는 것—이 통계적 품질을 크게 향상시킬 수 있다.