使用 PRISM 进行模型弥散：MCMC 的快速模型分析替代方案
天体物理仪器与方法
2019-06-18 v3 计算物理
摘要
我们构建了 PRISM，一个“用于模拟模型的概率回归仪器”。PRISM 使用 Bayes 线性方法和历史匹配，通过将有限的模型评估与高级回归技术、协方差和概率计算相结合，构建任意给定模型的近似（“仿真器”）。它旨在通过限制合理区域和高效探索参数空间，轻松地促进和增强现有的马尔可夫链蒙特卡洛（MCMC）方法。然而，PRISM 还可以作为 MCMC 的独立替代方案用于模型分析，从而提供对复杂科学模型行为的洞察。借助 PRISM，模型评估所花费的时间被最小化，使开发人员只需花费传统方法所需时间的一小部分即可获得高级模型分析。本文概述了 PRISM 中使用的不同技术和算法。我们展示了在分析复杂模型时，使用 Bayes 线性方法相对于完全贝叶斯分析的优势。我们的结果显示了 PRISM 能够捕获多少信息，以及如何将其与 MCMC 方法结合以显著加快校准过程（快 15 倍以上）。PRISM 是一个开源 Python 包，在 BSD 3-Clause 许可证 (BSD-3) 下于 https://github.com/1313e/PRISM 获取，并托管于 https://prism-tool.readthedocs.io。PRISM 也已由《开源软件杂志》评审 (https://doi.org/10.21105/joss.01229)。
关键词
引用
@article{arxiv.1901.08725,
title = {Model dispersion with PRISM; an alternative to MCMC for rapid analysis of models},
author = {Ellert van der Velden and Alan R. Duffy and Darren Croton and Simon J. Mutch and Manodeep Sinha},
journal= {arXiv preprint arXiv:1901.08725},
year = {2019}
}
备注
28 pages, 13 figures, 1 table. Updated to reflect some changes made to published version