다중 요약통계 기반 시뮬레이티드 어닐링 ABC: 효율적 비모수 베이지안 추정

초록

본 논문은 요약통계마다 개별 온도를 부여하고, 비평형 열역학 원리를 이용해 최소 엔트로피 생산 스케줄을 도출한 새로운 시뮬레이티드 어닐링 ABC(SABC) 알고리즘을 제안한다. 다중 온도와 개별 에너지 변환을 통해 요약통계 간 정보 불균형을 보정하고, 수렴 과정을 실시간 모니터링할 수 있다. 벤치마크와 태양물리 실험에서 기존 ML 기반 SBI와 기존 ABC 대비 경쟁력을 입증한다.

상세 분석

이 연구는 전통적인 Approximate Bayesian Computation(ABC)이 직면한 두 가지 핵심 문제—요약통계의 스케일 차이와 전체 거리 메트릭 선택의 어려움—에 대한 근본적인 해결책을 제시한다. 먼저, 각 요약통계 (s_i)에 대해 관측값과의 거리 (\rho_i)를 정의하고, 이를 사전 분포의 누적분포함수(CDF)로 정규화하여 에너지 변수 (u_i)로 변환한다(식 2). 이 변환은 사전 하에서 각 통계가 균등하게 분포하도록 ‘정규화’함으로써, 스케일 차이에 의한 편향을 사전에 제거한다.

다음으로, 각 (u_i)에 독립적인 역온도 (\beta_{e,i})를 부여한다. 메트로폴리스 수용 확률은 (\exp