조건부 경로 샘플링을 위한 병렬 주변화 몬테카를로

초록

본 논문은 고차원 마코프 체인의 긴 상관 시간 문제를 해결하기 위해, 전체 시스템의 마진 분포를 빠르게 샘플링하는 저해상도 체인과의 교환 메커니즘을 도입한 병렬 주변화 몬테카를로(PM-MCMC) 방법을 제안한다. 제안 기법은 전체 체인과 여러 보조 체인 사이에 교환(move) 연산을 수행함으로써, 저해상도 체인의 빠른 수렴성을 활용해 전체 체인의 효율성을 크게 향상시킨다. 브릿지 샘플링 및 SDE 기반 필터링/스무딩 문제에 대한 수치 실험을 통해 기존 MCMC 대비 샘플 독립성 및 계산 비용 측면에서 우수함을 입증한다.

상세 분석

본 연구는 마코프 연쇄(Markov chain)의 전이 확률이 복잡하고 고차원인 경우, 전통적인 메트로폴리스-헤이스팅스(Metropolis–Hastings) 알고리즘이 긴 자동상관 시간(autocorrelation time)으로 인해 실용적인 샘플링이 어려워지는 점에 주목한다. 이를 극복하기 위해 저해상도(코스) 마코프 체인을 다수 구성하고, 이들이 각각 전체 시스템의 주변 마진(marginal) 분포를 목표로 샘플링하도록 설계한다. 핵심 아이디어는 “교환(move)”를 통해 고해상도 체인(Full chain)과 저해상도 체인(coarse chains) 사이에 상태를 공유함으로써, 저해상도 체인의 빠른 평형 도달 속도를 전체 체인에 전파시키는 것이다.

교환 연산은 상세균형(detailed balance)을 만족하도록 설계된다. 구체적으로, 고해상도 체인의 현재 상태 (x)와 저해상도 체인의 상태 (y)를 선택하고, 제안된 교환 ((x’,y’))에 대해 수용 확률
\