[论文解读] Binary branching processes with Moran type interactions

Alexander M. G. Cox, E Horton+1 more|arXiv (Cornell University)|Jul 7, 2022

Stochastic processes and statistical mechanics被引用 4

一句话总结

本文提出了一种具有Moran型相互作用的新型二元分支粒子系统，其中粒子死亡会触发繁殖，而分支则引发其他粒子的死亡，从而实现种群规模受限的动力学。其核心贡献是建立了一个显式的费曼-卡茨型对偶关系，将粒子系统的占据测度与底层马尔可夫过程联系起来，且随着种群规模增大，其L²收敛速率优于固定规模的Moran模型，在近似生灭过程方面表现更优。

ABSTRACT

The aim of this paper is to study the large population limit of a binary branching particle system with Moran type interactions: we introduce a new model where particles evolve, reproduce and die independently and, with a probability that may depend on the configuration of the whole system, the death of a particle may trigger the reproduction of another particle, while a branching event may trigger the death of an other one. We study the occupation measure of the new model, explicitly relating it to the Feynman-Kac semigroup of the underlying Markov evolution and quantifying the L2 distance between their normalisations. This model extends the fixed size Moran type interacting particle system discussed in [18, 19, 6, 7, 57] and we will indeed show that our model outperforms the latter when used to approximate a birth and death process. We discuss several other applications of our model including the neutron transport equation [36, 15] and population size dynamics.

研究动机与目标

• 开发一种统一的粒子系统模型，结合二元分支过程与Moran型重采样机制，以更好地近似时变的生灭过程。
• 建立粒子系统经验测度与底层马尔可夫过程费曼-卡茨半群之间的精确数学联系。
• 量化粒子系统归一化占据测度与归一化费曼-卡茨半群之间的L²距离，并证明当N → ∞时该距离收敛于零。
• 通过允许动态种群规模和依赖于构型的选择/重采样规则，推广现有的固定规模Moran模型。
• 证明该模型在近似目标过程方面优于经典固定规模Moran系统，尤其在种群规模动态和中子输运方面表现更优。

提出的方法

• 该模型引入一个二元分支过程，其中每个粒子独立地通过马尔可夫过程X演化，分支和死亡事件的发生率分别为b和κ。
• 当发生分支或死亡事件时，系统应用依赖于构型的重采样或选择规则：死亡触发繁殖，分支触发另一粒子的死亡。
• 作者定义了时变权重Π_T^A和Π_T^B，以校正重采样和选择事件的影响，明确刻画其对系统经验测度的作用。
• 建立了一个关键对偶关系：时间T时加权经验测度的期望值等于f(X_T)的费曼-卡茨期望，其权重为累积分支和死亡率的指数函数。
• 粒子系统归一化占据测度与归一化费曼-卡茨半群之间的L²距离被有界，并证明当初始粒子数N → ∞时收敛于零。
• 该模型被应用于种群规模受限的场景（N_min至N_max），在边界处将选择/重采样概率设为1，以维持规模控制。

实验结果

研究问题

• RQ1 如何将依赖于构型的重采样机制扩展至二元分支粒子系统，以在保持种群规模稳定的同时，确保其收敛于目标过程？
• RQ2 此类粒子系统的经验测度与底层马尔可夫过程费曼-卡茨半群之间存在何种精确的数学关系？
• RQ3 能否显式界定粒子系统归一化占据测度与归一化费曼-卡茨半群之间的L²距离，并证明当N → ∞时该距离收敛于零？
• RQ4 该模型是否在近似生灭过程方面优于经典固定规模Moran模型，特别是在收敛速率和偏差方面？
• RQ5 在何种条件下，粒子系统能从底层过程X继承强马尔可夫性质？

主要发现

• 在时间T时，粒子系统加权经验测度的期望值恰好等于f(X_T)的费曼-卡茨期望，其权重为包含b和κ的时变指数函数。
• 当初始粒子数N → ∞时，粒子系统归一化占据测度与归一化费曼-卡茨半群之间的L²距离收敛于零。
• 通过选择适当的参数，该模型可作为特例恢复经典“多对一”公式以及文献[57]中固定规模Moran过程的无偏估计器。
• 在N_min–N_max约束模型中，通过在边界处将选择/重采样概率设为1，可确保种群规模保持在边界内，从而实现对规模受限过程的稳定模拟。
• 该模型在近似生灭过程方面优于经典固定规模Moran系统，尤其在种群规模非恒定或时变动力学的情境下表现更优。
• 粒子系统的概率律相对于底层过程生成的滤子满足马尔可夫性质，且在正则性条件下，系统可继承强马尔可夫性质。