확률적 다단계 적분법으로 보는 아담스 브루튼과 아담스 몰턴

논문은 먼저 초기값 문제 y'(t)=f(y(t),t), y(t₀)=y₀을 정의하고, 기존의 Adams‑Bashforth(AB)와 Adams‑Moulton(AM) 다단계 선형 적분법(LMM)의 기본 원리를 간략히 소개한다. AB는 s개의 과거 함수값 f_{i‑j}를 Lagrange 다항식으로 보간해 적분함으로써 y_{i+1}=y_i+h∑_{j=0}^{s‑1}β_{j,s}f_{i‑j} 형태의 명시적 업데이트를 제공한다. AM은 추가로 f_{i+1}을 포함하는 암시적 형태로, 보통 predictor‑corrector 방식으로 사용된다. 그 다음 저자들은 이 과정을 확률적 관점에서 재구성한다. y_i와 f_i를 포함한 전체 변수 집합에 대해 가우시안 프로세스 사전을 설정하고, 공분산 행렬을 φ와 Φ라는 두 벡터 기반 함수로 채운다. φ(ω)에는 0과 s개의 Lagrange 다항식이 들어가며, Φ(ω)는 이들의 적분값을 포함한다. 이렇게 정의된 공분산은 y와 f 사이의 미분·적분 관계를 정확히 반영한다. 조건부 분포 p(y_{i+1}|y_i,f_{i‑s+1:i})를 계산하면 평균이 기존 AB 예측식과 동일하고, 분산이 0인 δ‑분포가 된다(정리 1). 이는 확률적 모델이 결정론적 방법을 완벽히 재현함을 의미한다. 확률적 확장을 위해 φ와 Φ에 차수 s+1의 다항식을 추가한다. 새로운 basis φ⁺와 Φ⁺는 각각 P_s와 P_{s+1} 공간을 생성한다. 여기서 α라는 스칼라 파라미터를 y^{(s+1)}(η) 형태로 두면, 사후 분산이 α에 비례하게 되며, α를 적절히 선택하면 분산이 정확히 AB/AM 방법의 지역 절삭 오차와 일치한다(정리 2). 실제 계산에서는 y^{(s+1)}를 직접 구하기 어려우므로, 후방 차분 계수 δ_{k,s}를 이용해 f^{(s)}(t_{i+1})를 추정하고, 이를 α에 대입한다. 이 과정은 기존 Milne device와 유사하지만, 함수 평가를 한 번만 사용한다는 효율성을 갖는다. 수렴성에 대한 이론적 결과는 두 부분으로 나뉜다. 첫째, 평균이 전통적 LMM과 동일하므로 동일한 안정성 영역과 전역 오차 O(h^{s})를 유지한다. 둘째, 분산 항은 O(h^{s+1}) 수준으로 수렴해, 제시된 불확실성 추정이 실제 오류와 일치함을 보장한다. 저자들은 이를 엄밀히 증명하고, 부록에 상세한 증명 과정을 제공한다. 실험에서는 1차부터 5차까지의 AB와 AM 방법을 다양한 테스트 문제에 적용하였다. 평균 오류는 기존 결정론적 방법과 거의 동일했으며, 제시된 사후 표준편차가 실제 오류의 절대값을 잘 포착함을 확인했다. 특히 5차 AB/AM에서 높은 정확도를 유지하면서도 추가적인 함수 평가 없이 오류 추정이 가능함을 보여, 고차 다단계 방법의 실용성을 강조한다. 결론적으로, 이 논문은 가우시안 프로세스 기반의 확률적 다단계 적분법을 제시함으로써, ODE 솔버의 수치적 정확도와 불확실성 정량화를 동시에 달성한다. 기존 Runge‑Kutta 기반 확률적 솔버와 달리, 과거 함수값을 재활용해 높은 차수의 정확도를 비용 효율적으로 얻을 수 있다. 향후 다변량 시스템, 비선형 노이즈 모델, 그리고 베이지안 역문제와의 연계 연구에 적용 가능성이 크다.