加速局部高斯过程预测中的邻域搜索

局部近似高斯过程模型的最新实现推动了非线性、非参数预测问题的计算边界，特别是在作为计算机实验的仿真器部署时。其空间独立计算的特性适应了大规模并行化，意味着它们可以处理比之前大两个或更多数量级的设计。然而，实现这一壮举仍然可能需要巨大的超级计算资源。在此，我们旨在减轻这一负担。我们研究了随着为预测构建局部设计时预测方差如何减小。随后，我们观察到在构建此类局部设计所涉及的一个重要搜索子程序中，穷举和离散的性质可能过于保守。相反，我们建议沿径向搜索空间，即从感兴趣的预测位置沿射线连续搜索，是一种更为节约的替代方案。我们的实证工作表明，基于射线的搜索产生的预测器具有与穷举搜索相当的精度，但耗时仅为其中的一小部分——从而将超级计算机的实现带回桌面。