[논문 리뷰] Strong approximation of density dependent Markov chains on bounded domains

Enrico Bibbona, Roberta Sirovich|arXiv (Cornell University)|2017. 04. 24.

Mathematical Approximation and Integration참고 문헌 15인용 수 3

한 줄 요약

이 논문은 경계가 반복적으로 방문되는 경우에도 유효한 점프-확산 과정을 사용하여 유한 도메인 내의 밀도에 의존하는 마르코프 체인에 대해 강력한 근사 정리를 제시한다—기존의 확산 근사에서의 핵심 한계를 극복한다. 이 방법은 쿠르츠의 원래 확산 근사와 동일한 수렴 속도를 달성하지만 흡수 경계 근처에서도 정확성을 유지하며, 고정밀 시뮬레이션과 일치하는 복잡한 확률적 반응 네트워크 예제를 통해 검증되었다.

ABSTRACT

Density dependent families of Markov chains, such as the stochastic models of mass-action chemical kinetics, converge for large values of the indexing parameter $N$ to deterministic systems of differential equations (Kurtz, 1970). Moreover for moderate $N$ they can be strongly approximated by paths of a diffusion process (Kurtz, 1976). Such an approximation however fails if the state space is bounded (at zero or at a constant maximum level due to conservation of mass) and if the process visits the boundaries with non negligible probability. We present a strong approximation by a jump-diffusion process which is robust to this event. The result is illustrated with a particularly hard case study.

연구 동기 및 목표

• 상태 공간이 유한하고 경계가 자주 방문되는 경우 기존의 확산 근사가 실패하는 문제를 해결하기 위해.
• 다수의 경계를 횡단한 후에도 유효한 수학적으로 엄밀한 강력한 근사 방법을 개발하기 위해.
• 쿠르츠의 수렴 결과를 점프 역학을 통합함으로써 경계 근처에서의 확률적 현실성을 유지하는 유한 도메인으로 확장하기 위해.
• 결정론적 모델과 표준 확산 근사가 실패하는 복잡한 반응 네트워크 모델에서 이 방법을 검증하기 위해.
• 정확한 시뮬레이션 또는 제약 조건이 있는 랑주뱅 방정식에 비해 계산 효율성이 뛰어나고 정확한 대안을 제공하기 위해.

제안 방법

• 유한 도메인 내의 밀도에 의존하는 마르코프 체인에 대해 점프-확산 과정을 강력한 근사로 제안하며, 경계 상호작용을 점프로 명시적으로 모델링한다.
• 원래의 점프 비율에서 유도된 드리프트 및 확산 계수를 사용하여 시간에 따라 변하는 확산 성분을 구성한다.
• 상태에 의존하는 시간 변화와 경계를 횡단할 때의 보정 메커니즘을 도입하여 반복적인 경계 방문 후에도 경로 수준의 정확성을 유지한다.
• 지정된 시간 범위까지 원래 과정과 분포상으로 일치하도록 보장하기 위해 커플링 프레임워크를 활용한다.
• 경계 영역에서 고정밀도를 확보하기 위해 적응형 스텝 크기를 사용하는 에이러-마루야마 이산화 방법을 적용하여 이산화 오차를 감소시킨다.
• 고차원적이고 이중 안정성 있는 반응 네트워크에서 몬테카를로 시뮬레이션을 통해 방법을 검증하고, 정확한 경로 및 제약 조건이 있는 랑주뱅 방정식과 비교한다.

실험 결과

연구 질문

• RQ1 유한 상태 공간의 경계를 여러 차례 방문한 후에도 유효한 밀도에 의존하는 마르코프 체인에 대한 강력한 근사를 구성할 수 있는가?
• RQ2 제안된 점프-확산 근사가 유한 도메인의 경우 쿠르츠의 고전적 확산 근사와 동일한 수렴 속도를 달성하는가?
• RQ3 결정론적 모델이 실패하고 표준 확산이 경계에서 붕괴되는 복잡한 이중 안정성 반응 네트워크에서 이 근사는 어떻게 성능을 발휘하는가?
• RQ4 이 방법은 제약 조건이 있는 랑주뱅 방정식보다 정확도를 뛰어나거나 동등하게 유지하면서 이론적 분석에 더 유리한가?
• RQ5 이산화 근사에서 경계 횡단 사건이 발생할 경우 정확성을 유지하기 위해 필요한 적응형 수치 전략은 무엇인가?

주요 결과

• 제안된 점프-확산 근사는 경계 방문이 있더라도 쿠르츠의 확산 근사와 동일한 수렴 속도를 달성한다.
• 기존의 확산 근사가 첫 번째 경계 도달 시점 이후에 정의되지 않게 되는 것과 달리, 이 방법은 수차례의 경계 횡단 후에도 잘 정의되고 정확하다.
• V=100인 3종의 이중 안정성 반응 네트워크에서 점프-확산은 진짜 과정의 경험 분포와 밀접하게 일치하며, T=100 시점에서 40%의 궤적이 여전히 준안정 상태 x₁ 근처에 머물러 있다.
• 400개의 시뮬레이션 경로에서 유도된 열역학 산점도는 원래 과정, 점프-확산 근사, 제약 조건이 있는 랑주뱅 방정식 간에 거의 동일한 공간 분포를 보였다.
• 경계 영역에서 적응형 스텝 크기(최소 0.0002)를 사용함으로써 경계 횡단을 놓치는 것을 방지하고 정확도를 크게 향상시켰다.
• 이 방법은 결정론적 모델과 표준 확산 모델이 재현하지 못하는 희귀 사건, 즉 준안정 상태 간의 전이를 성공적으로 포착했다.