モデルベースのスクリーニングからデータ駆動型サロゲートへ：確率的エージェントベースモデルを探索するための多段階ワークフロー
arXiv cs.LG / 2026/4/7
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- 本論文は、確率的エージェントベースモデル（ABM）を体系的に探索することを扱い、高次元性と結果のランダム性に起因する困難を強調する。
- 支配的な変数を特定し、ばらつきを定量化し、パラメータ空間を分割するために、最初に自動化されたモデルベースのスクリーニングを用いる多段階ワークフローを提案する。
- 次に、直接的なスクリーニングでは扱いが難しい、残る非線形な相互作用効果を捉えるために機械学習のサロゲートモデルを訓練する。
- 捕食者—被食者のケーススタディを用いて、この手法は、多変数の非線形相互作用により結果が強く左右される不安定領域を自動的に特定するのに役立つ。
- 著者らは、このパイプラインが、高次元の確率的シミュレータに対する、厳密でありながら概ねハンズオフな感度分析および政策テストの枠組みを提供すると主張している。
