Non-Parametric Model Calibration with Stochastic Control Parameters

技術要約：確率的制御パラメータを用いた非パラメトリック・モデル校正

問題提起
本論文は、入力が確率的なコンピュータ・モデルにおける統計的校正問題（Statistical Calibration Problem: SCP）を扱う。標準的なSCPの設定では、すべての確率的入力は未知の分布を持つ校正パラメータとして扱われ、モデルの押し出し（pushforward）が出力フィールドデータと一致するような入力分布を見つけることが目的となる。しかし、多くの物理システムには、以下の2種類の異なる確率的入力が含まれる。

1. 校正パラメータ ($\Lambda$): 未知の分布を持つ未知のパラメータ（例：材料特性など）、これらは推論されるべきものである。
2. 制御パラメータ ($U$): 実験条件（例：熱源の位置、季節的な気温など）を表すパラメータであり、既知の分布を持つ。

核心となる課題は、校正パラメータの分布を推定しつつ、結果として得られる制御パラメータの周辺分布が、既知の指定された分布と一致することを同時に保証することである。既存の非パラメトリック校正手法（すべての入力を未知として扱う手法）を単純に適用すると、制御パラメータの既知の周辺分布が保持されず、科学的に不合理な推定値をもたらす。

手法
著者らは、測度の分解（disintegration of measures）およびベイズ推論に基づく非パラメトリック・アプローチ（具体的には[9]の研究を参照）を拡張した、制約付き校正フレームワークを提案している。この手法は、主に以下の3つの段階で構成される。

1. 出力空間の拡張:
   制御パラメータに対する制約を課すために、著者らは拡張写像 $\tilde{Q}: \Lambda \times U \to D \times U$ （ここで $\tilde{Q}(\lambda, u) = (Q(\lambda, u), u)$ ）を定義する。定理1は、入力空間上の確率測度を、拡張された写像 $\tilde{Q}$ による押し出しが目標とする結合分布と一致するように見つけることは、制約付きSCP（出力分布 $PD$と制御周辺分布$P^t_U$ の両方を一致させる問題）を解くことと等価であることを確立している。

2. ペアリングされたデータの取り扱い:
   フィールド観測が各試行における特定の制御パラメータの値とともに記録されているシナリオ（ペアリングされたデータ）の場合、拡張された出力の結合分布は直接観測可能である。この場合、問題は拡張された空間における非制約付きSCPへと還元され、拡張された写像と $U$ の既知の周辺分布を尊重する事前分布を用いることで、[9]のアルゴリズム1を用いて直接解くことができる。

3. 最適輸送を用いた非ペアリングデータの取り扱い:
   制御パラメータの値がフィールド観測値と同時に記録されていない、より困難なシナリオ（非ペアリングされたデータ）では、拡張された出力の結合分布は未知であるが、その周辺分布（$PD$および$P^t_U$）は既知である。著者らは、**最適輸送（Optimal Transport: OT）**を用いて、代理となる結合分布を構築する。

• 著者らは、正しい周辺分布を持つ $D \times U$ 上の結合測度 $\hat{\Pi}$ を求めるために、コスト関数を最小化するエントロピー正則化されたカントロヴィッチ問題を定式化する。
• 決定的な点として、コスト関数 $c(q, u)$ は、観測された出力 $q$ とモデル出力 $Q(\lambda, u)$ の間の期待二乗誤差として定義され、これは事前分布 $\Lambda$ にわたって積分される。これにより、コンピュータ・モデルの幾何学的構造が輸送計画に組み込まれる。
• $\hat{\Pi}$ を解くために、シンクホーン・クノップ（Sinkhorn-Knopp: SK）アルゴリズムが使用される。
• 生成された合成ペアデータは、最終的な入力分布を推定するために、拡張SCPアルゴリズム（アルゴリズム2）へと投入される。

主な貢献

• 制約付き校正フレームワーク: 制御パラメータが既知の分布を持つ場合の、コンピュータ・モデルの校正を可能にする厳密な手法を導入した。これにより、既知の物理的制約を尊重した解法を実現している。
• 拡張戦略: 出力空間を制御パラメータで拡張することで、制約付き問題を、より高次元の空間における標準的な非制約付き問題へと変換できることを示した。
• 最適輸送の統合: 非ペアリングデータに対し、モデル依存のコスト関数を用いた最適輸送を用いることで、出力と制御パラメータの結合分布を再構成し、ペアリングされた観測なしでの校正を可能にする新しい手法を提案した。
• アルゴリズムの実装: ヒストグラム推定器とシンクホーン・クノップ・アルゴリズムを用いた、具体的なアルゴリズム（アルゴリズム2および3）を提供した。

結果
著者らは、2つの数値実験を通じて提案手法を検証している。

1. 二次モデル: 加法的ノイズを伴う単純な二次モデルをテストベッドとして用いた。結果として、非制約付きSCPの解は制御パラメータの既知の二峰性分布を回復できなかったのに対し、提案された制約付き手法は正しい周辺分布を正常に回復した。非ペアリングによるアプローチは、ペアリングされたデータのベンチマークとほぼ同一の結果を示した。
2. 金属板の熱伝導: 2次元熱伝導方程式の定常解を含む、より複雑な応用事例である。校正パラメータは対流係数と拡散係数であり、制御パラメータは熱源の垂直位置である。計算負荷の高いSKステップおよび重要度サンプリングのステップを加速するために、PDE解のサロゲートモデル（XGBoost）を利用している。
   • 結果は、制約付き手法が、観測された温度データおよび熱源位置の既知のベータ分布と整合する入力分布を生成することを示している。
   • 診断チェックにより、推定された解の押し出しが出力データ分布と一致すること、および制御パラメータの周辺分布が指定された分布と一致することが確認された。
   • 研究では、非ペアリングによる手法は堅牢であるものの、特に出力への影響が小さいパラメータ（例：対流係数）については、周辺解の等高線がペアリングされた場合よりも不明瞭になる可能性があることが指摘されている。

意義と主張
本論文は、制御パラメータが既知の分布を持つ「制約付き」ケースに対処することで、解決可能な校正問題の範囲を広げると主張している。著者らは、科学的に妥当な校正には、実験条件の確立された分布特性を保持しなければならないことを強調している。

本研究の意義は以下の点にある：

• 科学的妥当性: 校正の推定値が既知の物理プロセスを歪めることを防ぐ（例：熱源の位置の分布が物理的に正確なままであることを保証する）。
• データ制限への堅牢性: 最適輸送を用いた非ペアリングデータの処理能力により、実験メタデータ（制御パラメータ）がフィールド測定と完全に同期していない実世界のシナリオにも本手法を適用できる。
• 理論的基礎: 手法は測度の分解に基づいており、非パラメトリック校正をベイズ推論に結びつけ、解がデータの一致性と周辺制約の両方を満たすという理論的保証を提供している。

著者らは将来的な影響について控えめな姿勢を維持しており、確率的な結果が決定論的な校正（ディラックのデルタ測度への極限として）への洞察を与える可能性があるとしつつも、さらなる調査が必要であるとしている。また、サロゲートモデルの使用が統計的誤差や正則性条件の違反を導入する可能性があることも認め、今後の理論的研究の課題としている。