Tests for model misspecification in simulation-based inference: from local distortions to global model checks

要約

異常検出、モデル検証、モデルの比較などのモデル誤解分析戦略は、科学モデル開発の重要な要素です。
過去数年にわたって、ますます複雑なフォワードモデルに適用されるベイジアンパラメーター推定のために、シミュレーションベースの推論（SBI）手法の使用が急速に増加しています。
ただし、完全にシミュレーションベースの分析パイプラインに向かって移動するには、モデルの誤り分析のための包括的なシミュレーションベースのフレームワークが緊急に必要です。
この作業では、歪み駆動型のモデルの誤りテストを使用して、幅広いモデルの不一致分析タスクのための強固で柔軟な基盤を提供します。
理論的な観点から、シミュレーションモデルの歪みのために多くの仮説テストを実行することを中心に構築された統計フレームワークを紹介します。
また、古典的な手法への明示的な分析接続を作成します：異常検出、モデル検証、および適合性残差分析。
さらに、実践者に役立つ効率的な自己調整トレーニングアルゴリズムを紹介します。
複数のシナリオでフレームワークのパフォーマンスを実証し、それらが有効な場合の古典的な結果とのつながりを実現します。
最後に、特にイベントGW150914で、実際の重力波データのためにこのような歪み駆動型モデルの誤りの誤りテストを実施する方法を示します。

要約(オリジナル)

Model misspecification analysis strategies, such as anomaly detection, model validation, and model comparison are a key component of scientific model development. Over the last few years, there has been a rapid rise in the use of simulation-based inference (SBI) techniques for Bayesian parameter estimation, applied to increasingly complex forward models. To move towards fully simulation-based analysis pipelines, however, there is an urgent need for a comprehensive simulation-based framework for model misspecification analysis. In this work, we provide a solid and flexible foundation for a wide range of model discrepancy analysis tasks, using distortion-driven model misspecification tests. From a theoretical perspective, we introduce the statistical framework built around performing many hypothesis tests for distortions of the simulation model. We also make explicit analytic connections to classical techniques: anomaly detection, model validation, and goodness-of-fit residual analysis. Furthermore, we introduce an efficient self-calibrating training algorithm that is useful for practitioners. We demonstrate the performance of the framework in multiple scenarios, making the connection to classical results where they are valid. Finally, we show how to conduct such a distortion-driven model misspecification test for real gravitational wave data, specifically on the event GW150914.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google