Centrala begrepp
본 연구는 대규모 편미분 방정식 제약 하에서 베이지안 최적 실험 설계 문제를 해결하기 위해 정확하고 확장 가능하며 효율적인 계산 프레임워크를 제안한다. 이를 위해 미분 정보 기반 신경 연산자(DINO)를 활용하여 매개변수-관측 매핑과 그 미분을 정확하게 근사하고, 입력 및 출력 차원 축소 기법을 통해 계산의 확장성을 확보한다. 또한 DINO 기반의 효율적인 최적 설계 기준 계산 방법과 수정된 스와핑 탐욕 알고리즘을 제안한다.
Sammanfattning
본 연구는 대규모 편미분 방정식 제약 하에서 베이지안 최적 실험 설계 문제를 해결하기 위한 정확하고 확장 가능하며 효율적인 계산 프레임워크를 제안한다.
- 매개변수-관측 매핑과 그 미분을 정확하게 근사하기 위해 미분 정보 기반 신경 연산자(DINO)를 활용한다.
- 입력 매개변수와 출력 관측량의 차원 축소 기법을 통해 계산의 확장성을 확보한다.
- DINO 기반의 효율적인 최적 설계 기준 계산 방법을 제안한다.
- 수정된 스와핑 탐욕 알고리즘을 통해 최적 실험 설계를 효율적으로 최적화한다.
이를 통해 2차원 및 3차원 편미분 방정식 모델에서 수백 개의 관측량과 수만 개의 매개변수를 가지는 문제에 대해 80배에서 1148배의 가속화를 달성한다.
Statistik
2차원 모델에서 고정밀 베이지안 최적 실험 설계 대비 80배 가속화
3차원 모델에서 고정밀 베이지안 최적 실험 설계 대비 1148배 가속화
Citat
"본 연구는 정확하고 확장 가능하며 효율적인 계산 프레임워크를 제안한다."
"미분 정보 기반 신경 연산자(DINO)를 활용하여 매개변수-관측 매핑과 그 미분을 정확하게 근사한다."
"입력 매개변수와 출력 관측량의 차원 축소 기법을 통해 계산의 확장성을 확보한다."