Hyperparameter optimization of hp-greedy reduced basis for gravitational wave surrogates

要約

以前の研究では、重力波科学の文脈で、hp 貪欲な改良による削減基底のための自動ドメイン分解アプローチに関する初期研究を紹介しました。
このアプローチは、グローバル ベースよりも次元の低いローカル縮小ベースを同じかそれ以上の精度で構築します。
これらの「軽い」ローカルベースは、新しい波形を予測するときのより高速な評価と、より高速なデータ分析、特により高速な統計的推論 (それぞれ順問題と逆問題) の両方を意味します。
ただし、このアプローチでは、グローバルな縮小基底では現れないいくつかのハイパーパラメータへの重要な依存関係が以前に見つかりました。
これは当然、このホワイトペーパーの主題であるハイパーパラメータ最適化 (HPO) の問題につながります。
私たちはベイズ最適化を通じてこの問題に取り組み、グリッド検索やランダム検索と比較した場合にその優位性を示します。
回転しているが歳差運動していない 2 つのブラック ホールの衝突による重力波の場合、同じ精度で、HPO を使用した局所的な hp 貪欲な還元基底は、ここで研究したケースでは、次の条件に応じて最大 $4 \times$ の低い次元を持つことがわかります。
希望の精度で。
この要素は、たとえばパラメータ推定の高速化に直接反映されるはずです。
このような加速は、コンパクトな二元合体からの重力波の電磁対応物に対するほぼリアルタイムの要件に役立つ可能性があります。
さらに、この論文で HPO に使用したベイジアン アプローチは、たとえばグリッド検索よりも 2 桁高速であり、約 100 ドルの \times$ の加速が得られることがわかりました。
このプロジェクト用に開発されたコードは、パブリック リポジトリからオープン ソースとして入手できます。

要約(オリジナル)

In a previous work we introduced, in the context of gravitational wave science, an initial study on an automated domain-decomposition approach for reduced basis through hp-greedy refinement. The approach constructs local reduced bases of lower dimensionality than global ones, with the same or higher accuracy. These “light” local bases should imply both faster evaluations when predicting new waveforms and faster data analysis, in particular faster statistical inference (the forward and inverse problems, respectively). In this approach, however, we have previously found important dependence on several hyperparameters, which do not appear in global reduced basis. This naturally leads to the problem of hyperparameter optimization (HPO), which is the subject of this paper. We tackle the problem through a Bayesian optimization, and show its superiority when compared to grid or random searches. We find that for gravitational waves from the collision of two spinning but non-precessing black holes, for the same accuracy, local hp-greedy reduced bases with HPO have a lower dimensionality of up to $4 \times$ for the cases here studied, depending on the desired accuracy. This factor should directly translate in a parameter estimation speedup, for instance. Such acceleration might help in the near real-time requirements for electromagnetic counterparts of gravitational waves from compact binary coalescences. In addition, we find that the Bayesian approach used in this paper for HPO is two orders of magnitude faster than, for example, a grid search, with about a $100 \times$ acceleration. The code developed for this project is available as open source from public repositories.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google