[论文解读] PolyChord: nested sampling for cosmology

Will Handley, M. P. Hobson+1 more|arXiv (Cornell University)|Feb 6, 2015

Scientific Research and Discoveries被引用 8

一句话总结

PolyChord 是一种高维嵌套采样算法，通过在硬似然约束内使用截面采样，高效计算贝叶斯证据并抽样后验分布。它通过利用参数速度层次结构并实现近乎线性的并行化，在高维空间中优于 MultiNest，展现出 O(D³) 的缩放性能，而 MultiNest 在高斯似然下为指数缩放，从而在 Planck 2015 分析中实现了 37 个参数的宇宙学推断。

ABSTRACT

PolyChord is a novel nested sampling algorithm tailored for high dimensional parameter spaces. In addition, it can fully exploit a hierarchy of parameter speeds such as is found in CosmoMC and CAMB. It utilises slice sampling at each iteration to sample within the hard likelihood constraint of nested sampling. It can identify and evolve separate modes of a posterior semi-independently and is parallelised using openMPI. PolyChord is available for download at: http://ccpforge.cse.rl.ac.uk/gf/project/polychord/

研究动机与目标

• 解决现有嵌套采样算法（如 MultiNest）在高维宇宙学参数空间中的局限性。
• 在参数速度存在层次结构的问题中，实现贝叶斯证据和后验抽样的高效计算，此类问题在宇宙学似然函数中普遍存在。
• 开发一种可并行化、可扩展的算法，在高维、多模态后验分布中保持准确性和收敛性。
• 通过在硬似然约束内使用截面采样，为嵌套采样提供一种稳健的替代方案，以取代基于拒绝的采样方法。

提出的方法

• PolyChord 在每次迭代中使用截面采样，在嵌套采样算法定义的硬似然约束内进行抽样，取代了拒绝采样。
• 通过 Cholesky 分解将参数从慢速转换为快速，自然地利用了宇宙学模型中参数速度的层次结构。
• 该算法识别并半独立地演化不同的后验模态，从而在多模态分布中提升混合效率。
• 使用 openMPI 实现并行化，只要进程数少于活点数，加速比几乎呈线性增长。
• 对抽样空间的变换确保每个参数仅与更快的参数混合，从而支持长迭代链，提升混合效果。
• 通过将标准 Metropolis-Hastings MCMC 替换为嵌套采样，与 CosmoMC 和 CAMB 集成，形成 CosmoChord 框架。

实验结果

研究问题

• RQ1 嵌套采样算法能否高效处理现代宇宙学中常见的高维参数空间？
• RQ2 嵌套采样算法如何利用参数速度层次结构以提升采样效率？
• RQ3 在高维、多模态后验分布中，硬似然约束内的截面采样能否优于拒绝采样？
• RQ4 使用该新方法在高维问题中，证据计算和收敛性的缩放行为如何？
• RQ5 通过 openMPI 的并行化在不牺牲准确性的前提下，能在多大程度上提升性能？

主要发现

• 对于 D 维高斯似然，PolyChord 在似然评估中实现 O(D³) 的缩放性能，而 MultiNest 在高维下表现出指数缩放。
• 在相同的高斯测试案例中，PolyChord 的证据估计值与解析值相差不超过 0.4 log 单位，其精度与使用重要性嵌套采样的 MultiNest 相当。
• 该算法成功实现了 Planck 2015 论文中关于暴胀约束的 37 个参数宇宙学推断（4 个慢速、19 个半速、14 个快速），证明了其在真实世界中的适用性。
• PolyChord 的并行化在进程数少于活点数时，实现了近乎线性的加速比，从而高效利用大规模计算集群。
• 通过使用截面采样和基于 Cholesky 的参数排序，该方法能够有效探索多模态后验分布，相比标准拒绝采样显著提升了混合效果。
• CosmoChord 在 CosmoMC 中的实现成功地用嵌套采样替代了 MCMC，保持了精度，同时实现了用于模型比较的稳健证据计算。