[논문 리뷰] Perfect sampling from spatial mixing

Weiming Feng, Heng Guo외 1명|arXiv (Cornell University)|2019. 07. 13.

Markov Chains and Monte Carlo Methods참고 문헌 39인용 수 4

한 줄 요약

이 논문은 상관관계가 이웃 영역 성장보다 더 빨리 감쇠할 경우, 스핀 시스템에서 금지 분포에 대한 새로운 완전 샘플링 알고리즘을 소개한다. 이 알고리즘은 선형 기대 시간 내에 작동하며, 조건부 독립성과 공간 혼합성을 활용하여 효율적이고 취소 가능한 샘플링을 실현한다. 강한 공간 혼합 조건 하에서 격자 그래프 $\mathbb{Z}^d$ 에서 최적의 성능을 보인다.

ABSTRACT

We introduce a new perfect sampling technique that can be applied to general Gibbs distributions and runs in linear time if the correlation decays faster than the neighborhood growth. In particular, in graphs with sub-exponential neighborhood growth like $\mathbb{Z}^d$, our algorithm achieves linear running time as long as Gibbs sampling is rapidly mixing. As concrete applications, we obtain the currently best perfect samplers for colorings and for monomer-dimer models in such graphs.

연구 동기 및 목표

• 일반적인 금지 분포에 대해 효율적이고 취소 가능한 완전 샘플링 알고리즘을 개발하는 것.
• 공간 혼합 성질과 선형 시간 완전 샘플링 사이의 관계를 설정하는 것.
• 시간이 지남에 따라 변화하는 금지 분포에 대해 효율적인 완전 샘플링을 확장하는 것.
• 색칠 문제와 단량체-이량체 시스템과 같은 잘 알려진 모델이 $\mathbb{Z}^d$ 에서 최적의 런타임을 달성하는 것.
• 초그래프 스핀 시스템을 통해 다중체 상호작용으로 이 알고리즘의 일반화를 이루는 것.

제안 방법

• 알고리즘은 무작위로 선택된 정점 주변의 반경 $\ell$ 에 해당하는 볼을 기반으로 한 블록 기반 업데이트 전략을 사용한다.
• 각 업데이트는 시스템 업데이트 후 초기화된 집합 $\mathcal{R}$ 에서 수행되며, $\mathcal{D} \cup \partial\mathcal{D}$ 로 설정된다.
• 각 단계에서 집합 $\mathcal{R}$ 에서 균일하게 무작위로 정점 $u$ 를 선택하고, 현재 경계 값 조건 하에 그 $\ell$-이웃 영역의 구성표를 재샘플링한다.
• 재샘플링 단계는 조건부 확률의 하한을 사용한 기각 샘플링을 활용하여 정확성을 보장하고 목표 분포를 유지한다.
• 알고리즘은 금지 분포의 조건부 독립성 성질을 통해 정확성을 확보하며, 종료 시 정확한 샘플을 보장한다.
• 취소 가능한 알고리즘으로, 중간 단계에서의 종료도 목표 분포에서의 유효한 샘플을 제공한다.

실험 결과

연구 질문

• RQ1 공간 혼합 조건 하에서 일반 금지 분포에 대한 완전 샘플링이 선형 시간 내에 달성될 수 있는가?
• RQ2 상관관계 감쇠 속도가 이웃 영역 성장 속도를 초월할 경우, 공간 혼합이 효율적 완전 샘플링을 암시하는가?
• RQ3 알고리즘이 시스템의 동적 변화에 대해 취소 가능하고 효율적으로 적응될 수 있는가?
• RQ4 이 방법을 다중체 상호작용을 갖는 시스템으로 확장할 수 있는가?
• RQ5 공간 혼합 조건 하에서 $\mathbb{Z}^d$ 에서 색칠 문제와 단량체-이량체 모델의 완전 샘플링 런타임 복잡도는 얼마인가?

주요 결과

• 강한 공간 혼합 조건이 이웃 영역 성장 속도를 초월하는 경우, 지수적 성장보다 느린 이웃 영역 성장(예: $\mathbb{Z}^d$)을 갖는 그래프에 대해 알고리즘은 $O(n)$ 기대 시간 내에 작동한다.
• 격자 그래프 $\mathbb{Z}^d$ 에서, 금지 샘플러의 혼합 시간이 $O(n\log n)$ 이면 알고리즘이 선형 시간을 달성한다.
• 알고리즘은 취소 가능하다: 조기 종료 시에도 목표 분포에서 정확한 샘플이 생성된다.
• 시스템에 동적 업데이트를 지원하며, 업데이트된 모델에서 공간 혼합 조건 하에서도 완전 샘플링 효율성을 유지한다.
• 적절한 공간 혼합의 변형 하에서 초그래프 스핀 시스템의 다중체 상호작용으로 이 방법을 일반화할 수 있다.
• 이 방법은 $\mathbb{Z}^d$ 에서 리스트 색칠 문제와 단량체-이량체 모델에 대해 현재까지 가장 우수한 완전 샘플러를 제공한다.