[논문 리뷰] Particle based gPC methods for mean-field models of swarming with uncertainty

José A. Carrillo, Lorenzo Pareschi외 1명|arXiv (Cornell University)|2017. 12. 05.

Probabilistic and Robust Engineering Design참고 문헌 23인용 수 3

한 줄 요약

이 논문은 불확실성을 가진 군집 모델의 평균장에 대해 입자 기반 일반화된 다항식 혼합(gPC) 방법을 소개한다. 물리 공간에서는 몬테카를로 샘플링을, 랜덤 공간에서는 gPC 전개를 결합하여, 해의 음수성을 유지하면서도 불확실성 정량화에서 높은 정확도를 달성한다. 이는 비선형성과 운동 방정식에 적용된 표준 스토하스틱 갈레르킨 방법과는 달리, 해의 음수성을 유지하는 데 성공한다.

ABSTRACT

In this work we focus on the construction of numerical schemes for the approximation of stochastic mean--field equations which preserve the nonnegativity of the solution. The method here developed makes use of a mean-field Monte Carlo method in the physical variables combined with a generalized Polynomial Chaos (gPC) expansion in the random space. In contrast to a direct application of stochastic-Galerkin methods, which are highly accurate but lead to the loss of positivity, the proposed schemes are capable to achieve high accuracy in the random space without loosing nonnegativity of the solution. Several applications of the schemes to mean-field models of collective behavior are reported.

연구 동기 및 목표

• 불확실 매개변수를 가진 집단 행동의 확률적 평균장 모델에서 비음수성을 유지하는 문제를 해결하기 위해.
• 물리 공간에서 몬테카를로 방법의 계산 효율성과 랜덤 공간에서 일반화된 다항식 혼합(gPC)의 스펙트럼 정확도를 결합한 수치적 스킴을 개발하기 위해.
• 초기성 및 운동 방정식에 적용된 스토하스틱 갈레르킨 방법에서 흔히 발생하는 구조적 성질(특히 비음수성)의 손실을 극복하기 위해.
• 불확실성 하에서 대규모 군집 시스템의 정확하고 안정적인 시뮬레이션을 가능하게 하여 차원의 극복 문제를 피하기 위해.
• 운동 방정식 및 평균장 방정식의 불확실성 정량화에 대해 침습적이지 않고 비음수성을 유지하는 대안을 제공하기 위해.

제안 방법

• 방법은 물리 공간에서 분포 함수를 근사하기 위해 평균장 몬테카를로 방법을 사용하여 계산 비용을 S ≪ N 일 때 O(SN)으로 감소시킨다.
• 랜덤 공간에서 해를 표현하기 위해 일반화된 다항식 혼합(gPC) 전개를 적용하며, 랜덤 변수 θ₁과 θ₂에서의 정규직교 다항식을 사용한다.
• 해는 gPC 기저에 투영되어 위치와 속도의 gPC 계수에 대한 상미분방정식 시스템으로 이어진다: d/dt x̂_i,lr = v̂_i,lr 및 d/dt v̂_i,lr = S^i_lrhk, E^ij_lrhk, B^ij_lrhk 항들의 합.
• 계수 S^i_lrhk, E^ij_lrhk, B^ij_lrhk 는 확률 밀도 g(θ₁,θ₂)에 대한 랜덤 도메인에서의 적분을 포함하는 스토하스틱 갈레르킨 투영을 통해 계산된다.
• 2차원 랜덤 공간에서는 {Φ_k(θ₁)}과 {Ψ_h(θ₂)}의 텐서 곱을 사용하여 정규직교 다항식을 구성함으로써, 정규성 조건 하에서 스펙트럼 수렴을 가능하게 한다.
• 이 방법은 물리 해법기와 비침습적이며, 비음수성과 같은 구조적 성질을 유지한다.

실험 결과

연구 질문

• RQ1 입자 기반 gPC 방법이 불확실 매개변수를 가진 군집 모델의 해에서 비음수성을 유지할 수 있는가?
• RQ2 표준 스토하스틱 갈레르킨 방법이 비선형 문제에서 비음수성을 상실하는 것과 비교하여, 제안된 MCgPC 방법의 정확도와 안정성은 어떠한가?
• RQ3 불확실 상호작용 매개변수를 가진 대규모 시스템에 대해 MCgPC 방법의 계산 비용과 확장성은 어떠한가?
• RQ4 이 방법은 기대 밀도와 속도와 같은 해의 통계적 모멘트를 효과적으로 캡처할 수 있는가?
• RQ5 이 방법은 라플라스-폭커-플랑크 방정식 또는 볼츠만 방정식과 같은 다른 운동 방정식으로 일반화될 수 있는가?

주요 결과

• MCgPC 방법은 표준 스토하스틱 갈레르킨 방법과 달리 해의 비음수성을 성공적으로 유지한다. 후자는 해의 구조 손실로 인해 음수 밀도를 생성할 수 있다.
• 이 방법은 랜덤 공간에서 스펙트럼 수렴을 달성하여, 2차원 랜덤 입력에서 M=4 및 S=5일 때 높은 정확도를 보였다.
• N=10⁵ 명의 에이전트 시스템에서 계산 비용은 O(NSM²)로 계산 가능하고 확장성이 있으며, 특히 S≪N일 경우 유리하다.
• 수치 결과는 이 방법이 확률적 인력, 반발력, 정렬 매개변수 하에서 입자 분포의 평균과 분산의 진화를 정확히 캡처함을 보여준다.
• 이 방법은 상관관계가 있는 및 없는 랜덤 입력을 포함한 복잡한 군집 역학을 효과적으로 모델링할 수 있다. 이는 확률적 모르스 잠재력과 쿠퍼-스미스 정렬을 포함한다.
• 이 방법은 장기간의 시뮬레이션 동안 안정적이고 강건하며, 불확실성 하에서도 물리적 일관성을 유지한다.