مونت كارلو الهاملتوني
يستخدم مونت كارلو الهاملتوني تدرجات اللوغاريتم البعدي والديناميكيات الفيزيائية المحاكاة لاقتراح تحركات بعيدة ذات قبول عالٍ، مما يتيح أخذ عينات فعال في الأبعاد العالية.
Definition
مونت كارلو الهاملتوني هو طريقة MCMC تُدخل متغيرات زخم مساعدة، وتحاكي الديناميكيات الهاملتونية باستخدام تدرج اللوغاريتم البعدي لاقتراح حالة جديدة، وتقبلها بخطوة متروبوليس التي تصحح خطأ التكامل العددي.
Scope
يغطي هذا الموضوع تعزيز البعدي بمتغيرات الزخم، وتكامل قفزة الضفدع (leapfrog) للديناميكيات الهاملتونية، وتصحيح متروبوليس لخطأ التقطيع، وأخذ العينات بدون دوران (No-U-Turn Sampler) الذي يقوم بأتمتة ضبط طول المسار وحجم الخطوة.
Core questions
- كيف تنتج متغيرات الزخم والديناميكيات الهاملتونية مقترحات فعالة؟
- ما هو مُكامل قفزة الضفدع (leapfrog integrator) ولماذا هناك حاجة لتصحيح متروبوليس؟
- كيف يلغي أخذ العينات بدون دوران (No-U-Turn Sampler) الحاجة إلى الضبط اليدوي لطول المسار؟
- لماذا يتوسع HMC بشكل أفضل من طرق المشي العشوائي في الأبعاد العالية؟
Key concepts
- متغيرات الزخم
- مُكامل قفزة الضفدع
- الديناميكيات الهاملتونية
- حجم الخطوة
- طول المسار
- أخذ العينات بدون دوران
- تدرج اللوغاريتم البعدي
Key theories
- الديناميكيات الهاملتونية لأخذ العينات
- إن تعزيز الهدف بزخم غاوسي واتباع ديناميكيات تحافظ على الحجم وتحفظ الطاقة يتيح لأداة أخذ العينات اجتياز البعدي بقبول عالٍ وارتباط منخفض بين الحالات المتتالية.
- أخذ العينات بدون دوران (No-U-Turn Sampler)
- يختار NUTS أطوال المسار تلقائيًا عن طريق تمديد المسار حتى يبدأ في الانعطاف، ويجمع هذا مع تكييف حجم الخطوة لإزالة معظم الضبط اليدوي.
Clinical relevance
يُعد مونت كارلو الهاملتوني، خاصةً عبر NUTS، أداة أخذ العينات الافتراضية في أنظمة البرمجة الاحتمالية مثل Stan و PyMC، مما يجعل النماذج الهرمية المعقدة قابلة للتطبيق في علم الأدوية، والبيئة، والعلوم الفيزيائية.
History
قُدم مونت كارلو الهجين (Hybrid Monte Carlo) للكروموديناميكا الكمومية الشبكية بواسطة Duane وزملاؤه في عام 1987؛ وقام Neal بتكييفه وتعميمه للإحصاءات، وجعله أخذ العينات بدون دوران (No-U-Turn Sampler) لـ Hoffman و Gelman في عام 2014 عمليًا للمستخدمين العامين، مما رسخ البرمجة الاحتمالية الحديثة.
Debates
- الحساسية للهندسة والضبط
- قد يواجه HMC صعوبة مع البعديات المنحنية بشدة أو متعددة الأنماط ويتطلب معلومات التدرج، مما يدفع العمل على المتغيرات الريمانية التكيفية.
Key figures
- Radford Neal
- Simon Duane
- Matthew Hoffman
- Andrew Gelman
- Michael Betancourt
Related topics
Seminal works
- neal2011
- hoffman2014
Frequently asked questions
- لماذا يعتبر HMC أسرع من متروبوليس المشي العشوائي؟
- باستخدام معلومات التدرج لاقتراح مسارات طويلة تتبع منحنيات البعدي، ينتج HMC عينات شبه مستقلة بقبول عالٍ، متجنبًا الاستكشاف البطيء المنتشر لطرق المشي العشوائي في الأبعاد العالية.
- ما الذي يتطلبه HMC ولا تتطلبه أدوات أخذ العينات الأبسط؟
- يتطلب تدرج اللوغاريتم البعدي فيما يتعلق بالمعلمات المستمرة، ولهذا السبب عادةً ما يقترن بالاشتقاق التلقائي ولا يمكنه التعامل مباشرة مع المعلمات المنفصلة.