[논문 리뷰] Stable evaluation of Gaussian radial basis functions using Hermite polynomials

Anna Yurova, Katharina Kormann|arXiv (Cornell University)|2017. 09. 07.

Numerical methods in engineering참고 문헌 17인용 수 3

한 줄 요약

이 논문은 허미트 다항식의 생성함수를 이용해 평탄한 극한에서 가우시안 라디얼 기저 함수 평활화 평가를 안정화하는 새로운 허미트GF 기반 RBF 보간법을 제안한다. 매개변수 조정을 피하고 텐서 곱 형식을 활용함으로써, 수백만 개의 점을 포함하는 5차원 문제까지 높은 정확도와 확장성을 달성하며, 기존의 RBF-QR 방법보다 단순성과 병렬 처리 효율성에서 뛰어나다.

ABSTRACT

Gaussian radial basis functions can be an accurate basis for multivariate interpolation. In practise, high accuracies are often achieved in the flat limit where the interpolation matrix becomes increasingly ill-conditioned. Stable evaluation algorithms have been proposed by Fornberg, Larsson & Flyer based on a Chebyshev expansion of the Gaussian basis and by Fasshauer & McCourt based on a Mercer expansion with Hermite polynomials. In this paper, we propose another stabilization algorithm based on Hermite polynomials but derived from the generating function of Hermite polynomials. The new expansion does not require a complicated choice of parameters and offers a simple extension to high-dimensional tensor grids as well as a generalization for anisotropic multivariate basis functions using the Hagedorn generating function.

연구 동기 및 목표

• 형태 매개변수 ε가 0에 수렴할 때 가우시안 RBF 방법에서의 보간 행렬의 악조건 문제를 해결하기 위해.
• 기존의 RBF-QR 방법(예: 체비셰프-QR 및 가우스-QR)과 비교해 안정적이고 매개변수 없는 대안을 개발하기 위해.
• 텐서 곱 형식을 통해 고차원 텐서 격자에서 효율적이고 메모리가 적은 계산을 가능하게 하기 위해.
• 하게르도른 웨이브패킷 이론을 활용해 이방향 다변량 가우시안으로의 방법 일반화를 위해.
• 대규모 5차원 문제를 처리할 수 있는 확장성 있고 오픈소스로 제공되는 구현을 제공하기 위해.

제안 방법

• 가우시안 RBF를 그 생성함수로부터 유도된 허미트 다항식을 사용해 전개함으로써, 복잡한 매개변수 선택이 필요 없도록 한다.
• 직접적인 변환을 통해 보간 행렬이 잘 조건화되고 역행렬이 가능한 허미트GF 기저로 전환한다.
• 다변량 보간 행렬을 효율적으로 표현하기 위해 텐서 곱 구조를 활용함으로써, 매우 단순한 병렬 계산이 가능해진다.
• 전개 함수의 수 M을 콜로케이션 점 수 N과 동일하게 설정함으로써 알고리즘을 단순화하고 안정성을 향상시킨다.
• 하게르도른 생성함수를 통합함으로써 이방향 RBF로의 일반화를 가능하게 하여 비등방성 형태 행렬을 지원한다.
• MATLAB 및 줄리아로 구현이 제공되며, 줄리아는 뛰어난 성능과 네이티브 병렬 처리 지원을 보인다.

실험 결과

연구 질문

• RQ1 생성함수 기반의 허미트 다항식 전개가, 정교한 매개변수 조정 없이도 평탄한 극한에서 가우시안 RBF 보간을 안정화시킬 수 있는가?
• RQ2 기존의 RBF-QR 방법(예: 체비셰프-QR 및 가우스-QR)과 비교해 허미트GF 기반 방법은 정확도와 효율성 면에서 어떻게 다른가?
• RQ3 허미트GF 방법의 텐서 곱 구조는 대규모 점 수를 가진 고차원 문제(예: 4차원 및 5차원)에 대해 어느 정도 확장 가능한가?
• RQ4 하게르도른 웨이브패킷 이론을 활용해 허미트GF 프레임워크를 이방향 다변량 RBF로 일반화할 수 있는가?
• RQ5 현대 HPC 클러스터에서 허미트GF-텐서 방법의 계산 성능과 메모리 효율성은 어떠한가?

주요 결과

• 허미트GF 방법은 가우스-QR 및 체비셰프-QR와 동일한 정확도를 달성하지만, 원래의 형태 매개변수 ε와 도메인 크기 매개변수 γ만을 사용하는 더 단순한 매개변수 구조를 가진다.
• 이 방법은 γ의 정밀한 값에 민감하지 않아 수동 매개변수 조정이 크게 줄어든다.
• 1~3차원 문제에서 각 차원당 최대 35개의 점을 가질 경우, 단일 프로세서에서 1분 이내에 실행되어 저차원에서 매우 높은 효율성을 보인다.
• 4차원 및 5차원에서는 병렬 처리를 통해 효과적으로 확장되며, 18^5개 점(190만 개 이상)의 5차원 시뮬레이션은 전체 클러스터 노드에서 약 하루 만에 완료되었다.
• 줄리아 구현은 효율적인 병렬 실행을 가능하게 하며, 현재까지 유일하게 5차원에서 수백만 개의 점을 처리할 수 있는 안정적인 RBF 보간 방법이다.
• 텐서 기반의 형식은 보간 행렬의 메모리가 적은 표현을 보장하여, 대규모 고차원 문제에 적합하다.