[論文レビュー] Wiener-Hopf factorization for time-inhomogeneous Markov chains and its application

Tomasz R. Bielecki, Igor Cialenco+2 more|arXiv (Cornell University)|Jan 17, 2018

Gene Regulatory Network Analysis参考文献 11被引用数 4

ひとこと要約

本稿では、区分的定数の生成子を持つ有限状態の時不変でないマーカフチェーンに対して、効率的な通過時間期待値の計算を可能にする、特化したランダマイゼーション技術を用いた新しいウィーナー＝ホフ因数分解を導入する。主な貢献は、最初の通過確率や割引付き到着時間の期待値といった最初の通過関数の数学的に厳密でかつ計算効率の良いフレームワークの構築である。

ABSTRACT

In this paper we derive the Wiener-Hopf factorization for a finite-state time-inhomogeneous Markov chain. To the best of our knowledge, this study is the first attempt to investigate the Wiener-Hopf factorization for time-inhomogeneous Markov chains. In this work we only deal with a special class of time-inhomogeneous Markovian generators, namely piece-wise constant, which allows to use an appropriately tailored randomization technique. Besides the mathematical importance of the Wiener-Hopf factorization methodology, there is also an important computational aspect: it allows for efficient computation of important functionals of Markov chains.

研究の動機と目的

• 時不変でないマーカフチェーンにおけるウィーナー＝ホフ因数分解を発展させること、これは従来の文献では取り上げられていない問題である。
• 因数分解を扱いやすくし、計算上で実行可能にするために、時刻に関して区分的定数である特定の生成子クラスに焦点を当てる。
• 最初の通過確率や割引付き期待到着時間といった主要な関数の効率的計算を可能にすること。
• 実装のための数値アルゴリズムを、ランダマイゼーションと逆ラプラス変換近似に基づいて提供すること。
• モンテカルロシミュレーションと比較した数値例を通じて、手法の正確性と高速性を示すこと。

提案手法

• 著者らは、区分的定数の時不変でない生成子に特化したランダマイゼーション技術を用いて、ウィーナー＝ホフ因数分解を導出する。
• 因数分解は、最初の通過時刻 τₜ⁺ と τₜ⁻ を駆動する加法的関数 φₜ = ∫₀ᵗ v(Xᵤ) du を分析することによって構築される。
• この手法は、生成子が定数である区間において、解像度作用素と遷移行列を含む方程式系を解くことに依存する。
• 因数分解された解像度作用素の逆ラプラス変換は、タロブ法とガーヴァー＝スティーフェスト法を用いて数値的に近似される。
• アルゴリズムは、i ∈ E⁻、j ∈ E⁺ に対して ℰ[e⁻ᶜτ₀⁺ 1_{X_{τ₀⁺}=j}} | X₀=i] のような期待値を計算する。同様の式は他の通過タイプに対しても成り立つ。
• 一変数の数値逆変換を繰り返し適用することで、多変数逆ラプラス変換を扱うフレームワークが拡張される。

実験結果

リサーチクエスチョン

• RQ1 古典的な時定常的でない手法が失敗する文脈において、ウィーナー＝ホフ因数分解を時不変でないマーカフチェーンに意味的に拡張できるか？
• RQ2 区分的定数の時不変でない生成子に適応させることで、確率論的および計算的有用性を保ちながら因数分解をどのように再構築できるか？
• RQ3 この時刻に依存する非マルコフ的状況において、ℰ[e⁻ᶜτ₀⁺ 1_{X_{τ₀⁺}=j}} | X₀=i] のような最初の通過関数の効率的計算に適した数値技法は何か？
• RQ4 このような関数に対して、提案手法はモンテカルロシミュレーションと比較して正確性と速度の点で優れているか？
• RQ5 因数分解は、正のと負のエクストリーム関数（τₜ⁺ と τₜ⁻）を対称的に扱えるように一般化できるか？

主な発見

• 提案されたウィーナー＝ホフ因数分解は、区分的定数の生成子を持つ時不変でないマーカフチェーンに古典的フレームワークを効果的に拡張した。
• 標準的な時定常的因数分解では取り扱えない Πᶜ⁺(i,j;s₁,…,sₙ) や Ψᶜ⁺(ℓ,i,j;s₁,…,sₙ) のような最初の通過関数の正確かつ効率的な計算が可能になった。
• 数値結果から、ウィーナー＝ホフ法は 0.15 秒で Πᶜ⁻(e₊,e₋) = 0.6501 を計算し、3.12 秒で得られたモンテカルロ推定値 0.6462 に非常に近い結果を示した。
• 10,000 パスのモンテカルロシミュレーションと比較して、20 倍以上も高速でありながら高い正確性を維持している。
• 多変数逆ラプラス変換の数値的逆変換にタロブ法とガーヴァー＝スティーフェスト法を用いることで、因数分解された解像度作用素の安定的かつ正確な数値的逆変換が可能になった。
• フレームワークは対称的であり、状態の再ラベル化と入力の調整により Πᶜ⁺(e₋,e₊) の計算にも応用可能で、広範な適用可能性を示している。