A Conjugate Gradient Formulation of the EnKF Algorithm

技術要約：EnKFアルゴリズムの共役勾配法による定式化

問題提起
アンサンブルカルマンフィルタ（EnKF）は、不確実性を伴う動的システムの状態を推定するために広く用いられているデータ同化アルゴリズムである。しかし、高次元システムにおいては、カルマンゲインを計算するために、$p \times p$（$p$は観測数）の稠密なイノベーション共分散行列（$\Psi_z$）の逆行列を計算する必要があるため、EnKFの計算コストは極めて高くなる。シリアルEnKF（sEnKF）は、逐次的なランク1更新を行うことでこのコストを削減するが、これは観測誤差共分散行列（$R$）が対角行列であるという限定的な仮定に依存している。この仮定は、観測成分間の相互共分散を無視しており、観測誤差が非対角となる現実的なシナリオにおいては、不正確な状態推定を招く可能性がある。低ランク近似やブロイデン・フレッチャー・ゴールドバーグ・シャノ（BFGS）法を利用した既存の代替手法は、多くの場合、効率性のために精度を犠牲にするか、あるいは並列性に欠けている。

手法
著者らは、CGD-EnKF（共役勾配法に基づくアンサンブルカルマンフィルタ）と命名された、新しい並列化可能なアルゴリズムを提案している。コアとなる手法は、行列の直接的な逆行列計算を回避しつつ、対角な$R$の仮定を緩和するようにカルマンゲインの計算を再定式化することである。

1. 行列の再定式化： $K = \Psi_x \Psi_z^{-1}$ を直接計算する代わりに、線形システム $\Psi_z K^T = \Psi_x^T$ を解くために方程式を転置する。$\Psi_z$は対称正定値であるため、このシステムは**共役勾配法（CGD）**反復法を用いて解かれる。
2. 並列化： アルゴリズムは、$K^T$の計算を、同一の係数行列 $\Psi_z$ を共有する $m$ 個の独立した線形システム（ここで $m$ は状態次元）を解くこととして扱う。この構造により、観測次元 $p$ を分散させた自然な並列化が可能となる。
3. CGD-EnKF-Reduced： アンサンブルサイズ $N$ が観測次元よりもはるかに小さい（$N \ll p$）領域において、著者らは縮小行列定式化を導入している。シャーマン・モリソン・ウッドベリーの公式と$R$のコレスキー分解を利用することで、問題は $N \times N$ のシステムを解くことに圧縮される。このバリアントである CGD-EnKF-Reduced は、全解析ステップに対してCGDを適用することを可能にし、アンサンブルサイズが小さく観測空間が大きい場合の計算コストをさらに最適化する。
4. 誤差解析： 本論文では、CGD近似の理論的な誤差境界を確立している。固有値がクラスター化している共分散行列に対して、より精緻化された誤差境界を導出し、CGD近似によるカルマンゲインが、反復回数 $r \to \infty$ において厳密なEnKF解に収束することを実証している。

主な貢献

• アルゴリズムの革新： カルマンゲイン計算における稠密な行列の逆行列計算を反復的なCGDアプローチに置き換え、$R$を対角とする必要なく、観測共分散の完全な構造を維持するCGD-EnKFを導入した。
• 理論的境界： 固有値の分布が一様であることを仮定する古典的な境界よりも優れた、クラスター化した固有値を持つ共分散行列に適用されるCGD法のより精緻な上界誤差（Proposition 3）を導出した。
• 縮小定式化： アンサンブル次元へと逆行列問題を縮小することにより、アンサンブルサイズが小さい高次元観測空間に対して計算効率を提供するCGD-EnKF-Reducedアルゴリズムを開発した。
• 並列可能性： 標準および縮小の両定式化が本質的に並列可能であることを示し、高次元動的システムに対するスケーラビリティを実現した。

結果
数値実験により、3つの異なるテストケースにおいて提案アルゴリズムを検証した：

1. ランダム値ベクトル： アルゴリズムは、CGDの反復回数が増えるにつれて、古典的なEnKF解へと正常に収束した。結果は、CGD-EnKFが、観測誤差が相関している（非対角な$R$）場合でも、sEnKFと同等の計算コストを維持しながら、厳密なEnKFと同等の精度を達成することを確認した。
2. Lorenz-96モデル： 高次元設定（$p$ が最大 $10^7$）において、CGD-EnKFはsEnKFに匹敵するスケーラビリティを示す。CGD-EnKF-Reduced バリアントは、好ましいトレードオフを示した。すなわち、sEnKFと比較して、（5回の反復で）わずかなウォールクロック時間の増加（例：<20%）のみで、特に$R$が非対角である場合に、大幅に高い精度（相対誤差が $10^{-1}$ から $10^{-10}$ へ低下）を達成した。
3. Darcy流モデル： 2次元定常Darcy流問題（PDEベースのアプリケーション）に適用したところ、CGD-EnKFは圧力場を正常に推定した。結果は、CGD-EnKFの状態推定精度が古典的なEnKFと密接に一致したことを示しており、複雑で非線形な物理システムへの適用可能性を検証した。

意義と主張
本論文は、提案されたCGD-EnKFおよびCGD-EnKF-Reducedアルゴリズムが、最先端のsEnKFに対する実行可能な代替案を提供すると主張している。主な意義は、観測誤差が相関しているシナリオにおいて、sEnKFと同等の計算効率を維持しながら、フルEnKFの精度を回復できる点にある。CGDを利用することで、本手法はフルEnKFの $O(p^3)$ のコストを負うことなく、sEnKFの限定的な対角仮定を回避できる。著者らは、本研究を、特に気候モデリングや地下多孔質媒体などの分野における高次元システムのための、より効率的かつ正確なデータ同化への一歩として位置付けており、高次元逆問題を解くためのアンサンブルカルマンインバージョン（EKI）への将来的な応用を示唆している。