Download as PDF, PPTX
Uploaded byMasashi Shibata
Implementing sobol's quasirandom sequence generator
社内論文読み会資料。 ACM TOMS ALGORITHM 659: Implementing sobol's quasirandom sequence generator
More Related Content
![[DL輪読会]Deep Learning 第5章 機械学習の基礎](https://cdn.slidesharecdn.com/ss_thumbnails/deeplearning5-180601021956-thumbnail.jpg?width=600ounds&width=560&fit=bounds)
![[DL輪読会]Generative Models of Visually Grounded Imagination](https://cdn.slidesharecdn.com/ss_thumbnails/20170602-170602005505-thumbnail.jpg?width=600ounds&width=560&fit=bounds)
Similar to Implementing sobol's quasirandom sequence generator
Implementing sobol's quasirandom sequence generator
- 1. ALGORITHM 659 Implementing Sobol’s QuasirandomSequence Generator PAUL BRATLEY and BENNETT L. FOX ACM Transactions on Mathematical Software Vol. 14 (1988) 88; 1
- 2. 読んできた論文 ● Ilya M.Sobolさんという方が考えた Quasi-random Sequence Generatorの実装 方法について書かれた論文 ○ “Quasi” とついているように、通常の乱数とは少し違い、Low Discrepancyと いう性質を持つ。 ● Sobolさんの論文ではなく、アルゴリズムの実装にフォーカスして解説してくれてい る論文 (引用数: 961件) ○ Theoretical underpinningsにはあんまりちゃんと触れない。 ● 今回はGo言語で実装してGoptunaにも導入 2
- 3.
- 4. Low discrepancy 4 ハイパーパラメーター最適化を例に考えると、 似たようなパラメーターは、 (経験的に)似たような 評価値になることが多いので、散らばってくれると 嬉しい。
- 5. アルゴリズムの用途 ● Optimization ○ BBOChallengeで自分たちも使用 ○ “We employ Quasi Monte Carlo sampling based on Sobol sequences instead of Latin hypercube sampling.” ● Numerical Integration ○ 疑似乱数(pseudorandom)を使用する Monte-Carlo Integrationと区別して ”Quasi-Monte Carlo Integration” と呼ばれ る 5
- 6.
- 7. アルゴリズム 大きく2つのフェーズに分かれる 1. Direction numbersの生成 2.Sobol sequenceの生成 7
- 8.
- 9. Direction numbers の形式と性質 9 i1 2 3 4 5 6 mi 1 3 7 5 7 43 vi 0.1 0.11 0.111 0.0101 0.00111 0.101011
- 10. Direction numbers の形式と性質 10 i1 2 3 4 5 6 mi 1 3 7 5 7 43 vi 0.1 0.11 0.111 0.0101 0.00111 0.101011 こういう形式のdirection numbersを生成。 ※ 論文上はこのような浮動小数点数です が、実装の都合上プログラムでは uint32など で表現されています。
- 11. Direction numbers の形式と性質 11 i1 2 3 4 5 6 mi 1 3 7 5 7 43 vi 0.1 0.11 0.111 0.0101 0.00111 0.101011 direction numbersは、miという値から計 算されるので、miの作り方を知る必要が あります。
- 12. Direction numbers の形式と性質 12 i1 2 3 4 5 6 mi 1 3 7 5 7 43 vi 0.1 0.11 0.111 0.0101 0.00111 0.101011 miはこのような値を持ちます。
- 13. Direction numbers の形式と性質 13 i1 2 3 4 5 6 mi 1 3 7 5 7 43 vi 0.1 0.11 0.111 0.0101 0.00111 0.101011
- 14.
- 15. mi のつくりかた ① 15 次のようなPrimitivePolynomial (原子多項式)をφ(2^d-1)/d個用意。 各係数は0 or 1のどちらかをとり、定数項は必ず1。 これを満たしていれば、係数は自由に選べる。
- 16.
- 17. miのつくりかた ② 17 Primitive Polynomialの係数をXORで足し合わせる。 miの計算にはm_(i-1) などが必要。 なのでm0やm1といった初期値は なにか適当に決める必要があります。 → Initial direction numbersと呼ばれる これも 0<mi<2^i を満たす奇数。すべて 1も 可。
- 18.
- 19.
- 20.
- 21. Gray code による改善 ●Antonov and Saleevさんらによる改良 ● Direction numbersからSobol sequenceを生成する際に、Gray codeを利用する 21
- 22. The (binary-reflected) Graycode 22 i (decimal) i (binary) i / 2 (binary) Gray (binary) Gray (decimal) 0 0000 0000 0000 0 1 0001 0000 0001 1 2 0010 0001 0011 3 3 0011 0001 0010 2 4 0100 0010 0110 6 5 0101 0010 0111 7 6 0110 0011 0101 5 7 0111 0011 0100 4 Gray codeは 同じ色で囲われた範囲の 中で順序を入れ替える特性 をもつ。 また1 bitしか変化がない。
- 23. The (binary-reflected) Graycode 23 i (decimal) i (binary) i / 2 (binary) Gray (binary) Gray (decimal) 0 0000 0000 0000 0 1 0001 0000 0001 1 2 0010 0001 0011 3 3 0011 0001 0010 2 4 0100 0010 0110 6 5 0101 0010 0111 7 6 0110 0011 0101 5 7 0111 0011 0100 4 1 bit 右にシフト Gray codeは 同じ色で囲われた範囲の 中で順序を入れ替える特性 をもつ。 また1 bitしか変化がない。
- 24. The (binary-reflected) Graycode 24 i (decimal) i (binary) i / 2 (binary) Gray (binary) Gray (decimal) 0 0000 0000 0000 0 1 0001 0000 0001 1 2 0010 0001 0011 3 3 0011 0001 0010 2 4 0100 0010 0110 6 5 0101 0010 0111 7 6 0110 0011 0101 5 7 0111 0011 0100 4 i と i/2 のXOR Gray codeは 同じ色で囲われた範囲の 中で順序を入れ替える特性 をもつ。 また1 bitしか変化がない。
- 25. Gray codeは 同じ色で囲われた範囲の 中で順序を入れ替える特性 をもつ。 また1bitしか変化がない。 The (binary-reflected) Gray code 25 i (decimal) i (binary) i / 2 (binary) Gray (binary) Gray (decimal) 0 0000 0000 0000 0 1 0001 0000 0001 1 2 0010 0001 0011 3 3 0011 0001 0010 2 4 0100 0010 0110 6 5 0101 0010 0111 7 6 0110 0011 0101 5 7 0111 0011 0100 4 同じ色で囲われた範囲の中で 順序が入れ替わっている
- 26. Gray codeは 同じ色で囲われた範囲の 中で順序を入れ替える特性 をもつ。 また1bitしか変化がない。 The (binary-reflected) Gray code 26 i (decimal) i (binary) i / 2 (binary) Gray (binary) Gray (decimal) 0 0000 0000 0000 0 1 0001 0000 0001 1 2 0010 0001 0011 3 3 0011 0001 0010 2 4 0100 0010 0110 6 5 0101 0010 0111 7 6 0110 0011 0101 5 7 0111 0011 0100 4 1 bitずつしか変化しない。 変化するbitの位置は、 rightmost zero-bit in the binary representation of i (太字にした箇所)
- 27. The (binary-reflected) Graycode 27 先程の性質を使うとXOR演算回数がN回→1回
- 28. The (binary-reflected) Graycode 28 先程の性質を使うとXOR演算回数がN回→1回 Computational Complexity 実際には O(1) になるわけでは なく、rightmost zero-bitの特定 に O(log n) かかる。
- 29. 余談: rightmost zero-bitの特定方法 ●scipyの実装は改善の余地があったので修正してPR作成済み ○ https://github.com/scipy/scipy/pull/13514 ● popcntというCPU命令を使うことで O(1) に近い高速化も可 ○ ※ gccやclangのコンパイラ拡張として提供されているので、書き分けが必要。 また (v & -v) - 1の演算が直感的ではなく、可読性が悪いのでscipyへの導入 は諦めました (Goptunaには適用して高速化を確認)。 29
- 30. 余談: rightmost zero-bitの特定方法 ●scipyの実装は改善の余地があったので修正してPR作成済み ○ https://github.com/scipy/scipy/pull/13514 ● popcntというCPU命令を使うことで O(1) に近い高速化も可 ○ ※ gccやclangのコンパイラ拡張として提供されているので、書き分けが必要。 また (v & -v) - 1の演算が直感的ではなく、可読性が悪いのでscipyへの導入 は諦めました (Goptunaには適用して高速化を確認)。 30 x & (-x) 0101100 → 0000100 (x & (-x))-1 0101100 → 0000011 popcnt(...) 0101100 → 2
- 31. アルゴリズムの流れ (ふりかえり) 1. Directionnumbersの生成 a. Primitive Polynomial (原始多項式) を用意 b. Initial direction numbers を用意 c. 多項式の各係数をXORで足し合わせる 2. Sobol sequenceの生成 a. 生成回数 i のbinary表現からGray codeを計算 b. Gray codeを導入すること、計算量を減らすことができる。 31
- 32.
- 33. 多次元のSobol sequenceの生成 ● 2次元以上のSobolsequenceを生成する際には、各次元ごとにprimitive polynomial とinitial direction numbersを用意して、先程と同じ手順を繰り返す。 ● 注意点として、initial direction numbersは何でもいいといいつつ、多次元において はよい値(low discrepancyになるもの)とそうでないものがある。 ○ そのため良いinitial direction numbersを調べている人たちもいる。 33
- 34. Joe & Kuo 34 PyTorch,Scipyもここで配布されているprimitive polynomialsとinitial direction numbersを 埋め込んで使用する。21201次元まで対応 https://web.maths.unsw.edu.au/~fkuo/sobol/
- 35. Skipping initial points Joe& Kuoさんらが公開しているノートにかかれていたテクニック > Sobol’ sequence tends to perform better > if an initial portion of the sequence is dropped: > the number of points skipped is the largest > power of 2 smaller than number of points to be > used. However, we are less persuaded by such > recommendation ourselves. 35
- 36.
- 37. まとめ ● Sobol sequenceは、Lowdiscrepancyという性質をもつ乱数のようなものがある。 ○ 主な用途はOptimizationやNumerical Integration。 ● 今回はアルゴリズムの解説論文を読んで紹介。 ○ Theoretical underpinningsは触れられていないので、どうしてLow discrepancy になるのかは、Sobolさんの論文を参照 37