[论文解读] Generalizing Parallel Replica Dynamics: Trajectory Fragments, Asynchronous Computing, and PDMPs

David Aristoff|arXiv (Cornell University)|Feb 26, 2018

Markov Chains and Monte Carlo Methods参考文献 79被引用 3

一句话总结

本文提出了一种通用的轨迹片段框架，用于设计和证明马尔可夫过程（包括连续时间的点状确定性马尔可夫过程，PDMPs）的并行副本动力学（ParRep）算法的一致性。该研究建立了异步ParRep一致性的新条件，并为PDMPs构建了同步与异步ParRep算法，确保在对底层过程施加弱假设条件下，对亚稳态系统的正确采样。

ABSTRACT

We study the Parallel Replica Dynamics in a general setting. We introduce a trajectory fragment framework that can be used to design and prove consistency of Parallel Replica algorithms for generic Markov processes. We use our framework to formulate a novel condition that guarantees an asynchronous algorithm is consistent. Exploiting this condition and our trajectory fragment framework, we present new synchronous and asynchronous Parallel Replica algorithms for piecewise deterministic Markov processes.

研究动机与目标

• 开发一个通用的数学框架，用于在多种马尔可夫过程中设计和证明ParRep算法的一致性。
• 识别确保异步ParRep实现一致性的新条件，解决计算速度依赖性问题。
• 将ParRep扩展至分段确定性马尔可夫过程（PDMPs），实现在计算化学及相关领域中对亚稳态系统的高效采样。
• 建立理论条件，确保基于PDMP的ParRep算法能保持正确的平稳分布和动力学分布。

提出的方法

• 提出一种轨迹片段框架，以抽象化和形式化ParRep算法，从而为通用马尔可夫过程提供一致性证明。
• 引入一个新条件（命题6.2），通过确保路径片段独立同分布，保证异步ParRep的一致性。
• 将该框架应用于构建PDMPs的同步与异步ParRep算法，利用状态相关的跳跃率和确定性流。
• 以拟平稳分布（QSDs）作为亚稳态动力学的基础，并通过长时间条件化验证其收敛性。
• 使用形式分部积分和不变性论证，推导出在何种条件下，e−V(x) 或 e−βV(x) 对PDMP生成元是不变的。
• 通过算法9.1中的细致平衡检查，验证离散时间PDMPs中e−βV(x)的不变性，表明在循环流条件下细致平衡成立。

实验结果

研究问题

• RQ1 当不同副本的路径计算时间不同时，异步ParRep算法在何种条件下保持一致？
• RQ2 如何利用通用的轨迹片段框架统一并证明不同马尔可夫过程中ParRep算法的一致性？
• RQ3 何种条件可确保基于PDMP的ParRep算法正确采样亚稳态系统的平稳分布？
• RQ4 能否为具有循环确定性流的离散时间PDMPs，形式化证明e−βV(x)的不变性？
• RQ5 何种数学结构可确保ParRep算法保持从亚稳态集合中逃逸时间分布的正确性？

主要发现

• 本文证明，若不同副本间的路径计算时间独立同分布（如命题6.2条件(i)所述），则ParRep算法具有一致性。
• 当命题6.2条件(i)不成立时，ParRep算法可能产生错误的分布，如在{0,1}上随机游走的反例所示：当R>1个副本时，P(Tpar=1, Xpar=2) ≠ P(T=1, X(T)=2)。
• 对于PDMPs，条件di·∇V(x) + ∑j λi(x,j) = 0 确保了e−V(x)在生成元(7.3)下形式不变，这是不变性的必要条件。
• 在离散时间PDMP设置中（算法9.1），接受概率Ak(x)确保了细致平衡，且不变测度π(x,k) ∝ e−βV(x) 在马尔可夫链动力学下被保持。
• 备注10.7中的形式计算表明，由于循环对称性，有βdk·∇V(x) + max₀≤ℓ≤N−1 Fk+1,ℓ(x) − max₀≤ℓ≤N−1 Fk,ℓ(x) = 0，从而证明了e−βV(x)的不变性。
• 该框架表明，在存在且唯一地具有拟平稳分布于亚稳态集合的弱假设下，PDMPs的ParRep算法是一致的。