Folded Transport MCMC: Certifiable Quotient Posterior Computation for Symmetric Bayesian Models

Resumen Técnico: MCMC de Transporte Plegado (FolT-MCMC)

1. Planteamiento del Problema

Los modelos bayesianos que exhiben intercambiabilidad finita —como los modelos de mezcla con componentes intercambiables o los problemas de identificación estructural con modos cercanos— definen distribuciones posteriores invariantes bajo un grupo de permutaciones de etiquetas ($G$). Esta simetría induce $m!$ (o generalmente $|G|$) modos posteriores equivalentes, un fenómeno conocido como intercambio de etiquetas (label switching).

Los enfoques estándar de Monte Carlo por Cadenas de Markov (MCMC) que operan sobre el espacio de parámetros etiquetado completo enfrentan dos problemas críticos:

1. Multimodalidad Redundante: La cadena debe atravesar $|G|$ modos simétricos, lo que conduce a una mezcla deficiente y diagnósticos de convergencia poco fiables.
2. Certificación Vacua: Los certificados de convergencia basados en cotas de brecha espectral (por ejemplo, mediante el marco LCNF) se vuelven vacuos. La oscilación de la razón de densidad de logaritmo se infla debido a la "brecha entre modos" (cross-mode gap) entre modos simétricos separados, causando que las cotas inferiores certificadas de la brecha espectral colapsen casi a cero, incluso si la cadena mezcla bien dentro de un solo modo.

Aunque existen métodos de relabelado post-hoc para recuperar parámetros identificables, estos no abordan las dificultades de mezcla subyacentes de la cadena ni proporcionan garantías certificadas de convergencia para el proceso de muestreo en sí.

2. Metodología: MCMC de Transporte Plegado

El artículo introduce el MCMC de Transporte Plegado (FolT-MCMC), un marco que realiza la inferencia directamente sobre el posterior cociente (la distribución sobre las clases de equivalencia) en lugar del espacio etiquetado completo.

Mecanismo Central:

• Objetivo Cociente: El método define un dominio fundamental $D$ (por ejemplo, una cámara ordenada para permutaciones o un semiespacio para reflexiones) y una densidad objetivo plegada $\pi_F(z) = |G| \cdot \pi(z)$ para $z \in D$. Esto elimina la multimodalidad simétrica, dejando un único modo representativo por órbita.
• Propuesta Cociente: Se construye un muestreador de independencia sobre $D$. La densidad de propuesta $q_F$ se forma mediante la simetrización de un flujo de normalización aprendido $T_F$ (entrenado sobre muestras plegadas) sobre las órbitas del grupo:
  $$q_F(z) = \sum_{g \in G} q_{T_F}(g \cdot z)$$
  Esto asegura que la propuesta respete la simetría mientras es entrenada sobre la estructura de un solo modo del espacio cociente.
• Muestreo: El algoritmo ejecuta un muestreador de Independencia de Metropolis-Hastings (IMH) en el dominio fundamental $D$ utilizando la propuesta cociente.

Marco Teórico:
FolT-MCMC se integra con el marco de certificación LCNF (Concentración Local y Flujo de Normalización). El artículo demuestra que la certificación basada en la oscilación de LCNF se transfiere a la métrica cociente:

• Métrica Cociente: Se utiliza una métrica $d_G(\theta, \theta') = \min_{g \in G} \|\theta - g \cdot \theta'\|$ para manejar los argumentos de cobertura cerca del límite del pliegue.
• Cotas Corregidas por Estabilizador: El marco incorpora una cota de masa de bola corregida por el estabilizador para dar cuenta de los puntos en el límite del pliegue donde la acción del grupo no es libre.
• Certificación: El método calcula una cota inferior certificada de núcleo de cuantiles ($QC_\gamma$) para la brecha espectral. Este límite es computable a partir de muestras finitas y parámetros de la red, proporcionando un diagnóstico riguroso de la estabilidad de la razón de densidad en el núcleo de alta probabilidad del posterior.

3. Contribuciones Clave

1. Marco de Posterior Cociente: Los autores definen el target plegado $\pi_F$ y demuestran una identidad exacta de Densidad Más Alta (HPD) ($K_\alpha^F = K_\alpha \cap D$). Construyen la propuesta cociente $q_F$ y muestran que el suelo de densidad mejora por un factor de $|G|$, ayudando significativamente a la cobertura.
2. Certificación del Espacio Cociente: El artículo establece que la oscilación empírica de LCNF se transfiere al entorno cociente. Los resultados teóricos clave incluyen:
   • El radio de cobertura $\varepsilon^*_F$ en el espacio cociente es menor o igual al radio desplegado $\varepsilon^*_U$.
   • La cota inferior certificada mejora siempre que el flujo desplegado exhiba una "deficiencia de propuesta entre modos" (es decir, falla en cubrir todos los modos simétricos simultáneamente).
3. Validación Empírica: Experimentos extensos demuestran que FolT-MCMC produce certificados no vacuos donde los métodos desplegados fallan.
   • Mezclas Gaussianas: En dimensiones $d=2$ a $20$, el certificado plegado permanece estable ($QC_\gamma \in [0.90, 0.94]$), mientras que el certificado desplegado colapsa (por ejemplo, a $0.016$ en $d=20$).
   • Intercambio de Etiquetas: Para mezclas con hasta $24$ modos equivalentes ($m=4$), el certificado plegado mejora por un factor de $145\times$ en comparación con la línea base desplegada.
   • Aplicación en el Mundo Real: Aplicado a datos de acelerómetros de un edificio superalto durante el tifón Mangkhut, FolT-MCMC produjo un certificado no vacuo para un problema de identificación de tres modos cercanos donde el certificado desplegado era vacuo.

4. Resultados y Rendimiento

• Independencia de la Dimensión: El certificado plegado es empíricamente casi independiente de la dimensión. En contraste, el certificado desplegado se degrada rápidamente con la dimensión debido a la dificultad de la arquitectura de acoplamiento para representar estructuras multimodales en altas dimensiones.
• Sensibilidad al Número de Modos: El certificado desplegado es más sensible al número de modos simétricos ($s = |G|$) que a la dimensión ambiente. Aumentar el número de modos de 6 a 24 causó una degradación de $15\times$ en el certificado desplegado, mientras que duplicar la dimensión (con modos fijos) causó solo una degradación de $2\times$.
• Comparación con Líneas Base:
  • vs. IMH Desplegado: FolT-MCMC logra altas tasas de aceptación y recupera los parámetros reales, mientras que las cadenas desplegadas a menudo se congelan o fallan en explorar el posterior.
  • vs. Muestreador de Permutación Aleatoria (RPS): Aunque el RPS puede recuperar estimaciones puntuales correctas mediante permutación post-hoc, no mejora la calidad de la propuesta subyacente (las tasas de aceptación siguen siendo bajas) y carece de un marco de certificación compatible. FolT-MCMC proporciona un certificado ajustado y no vacuo que coincide con los tamaños de muestra efectivos (ESS) empíricos.
  • vs. Ordenamiento Post-hoc: El ordenamiento de muestras de una cadena congelada produce estimaciones puntuales correctas pero no proporciona ninguna garantía de convergencia. FolT-MCMC asegura que el muestreador realmente explore el posterior.

5. Significado y Reivindicaciones

El artículo afirma que FolT-MCMC resuelve la barrera fundamental de la convergencia certificable en modelos bayesianos simétricos.

• Restauración de la No Vacuidad: La contribución principal es restaurar la utilidad de los certificados de oscilación en presencia de multimodalidad simétrica. Al plegar el espacio, el método elimina la oscilación entre modos que vuelve vacuos los certificados desplegados.
• Distinción de la Estimación de Puntos: Los autores enfatizan que, si bien el relabelado post-hoc puede recuperar estimaciones puntuales correctas bajo simetría exacta, no puede certificar que el muestreador haya convergido o que los intervalos de credibilidad sean válidos. FolT-MCMC es necesario para la inferencia posterior certificada.
• Principio de Diseño: El artículo identifica una regla de diseño crítica: el límite del pliegue debe situarse en un valle de baja densidad entre los modos simétricos. Si el límite corta regiones de alta densidad (como en el diagnóstico "banana"), la cota de oscilación total puede aumentar, aunque el certificado de núcleo de cuantiles a menudo sigue mejorando.

Limitaciones Reconocidas:

• El certificado se aplica al núcleo de alta probabilidad del posterior, no a todo el soporte (comportamiento de la cola). Las garantías de soporte completo para el espectro de la brecha en el MCMC de transporte con espacios de estados no acotados siguen siendo un problema abierto.
• El método requiere conocimiento exacto del grupo de simetría $G$ y del dominio fundamental $D$.
• La suma de la órbita en la propuesta escala con $|G|$, lo que puede requerir aproximación para grupos muy grandes (aunque es manejable para $m \le 5$).

En resumen, FolT-MCMC ofrece una solución geométrica al intercambio de etiquetas que transforma un problema multimodal redundante y difícil de certificar en una tarea de inferencia unimodal y certificable, cerrando la breancia entre las garantías teóricas de convergencia y el rendimiento práctico en modelos bayesianos simétricos.