使用dynesty的act-walk采样时偶现除零错误及参数设置咨询

问题背景 #

使用Bilby的Dynesty采样器，采用默认act-walk方法从约束先验中进行参数估计时，偶尔会触发除零错误导致采样终止。

采样设置 #

15:37 bilby INFO    : Using sampler Dynesty with kwargs {'nlive': 2048, 'bound': 'live', 'sample': 'act-walk', 'periodic': None, 'reflective': None, 'update_interval': 600, 'first_update': None, 'npdim': None, 'rstate': None, 'queue_size': 72, 'pool': None, 'use_pool': None, 'live_points': None, 'logl_args': None, 'logl_kwargs': None, 'ptform_args': None, 'ptform_kwargs': None, 'gradient': None, 'grad_args': None, 'grad_kwargs': None, 'compute_jac': False, 'enlarge': None, 'bootstrap': None, 'walks': 100, 'facc': 0.2, 'slices': None, 'fmove': 0.9, 'max_move': 100, 'update_func': None, 'ncdim': None, 'blob': False, 'save_history': False, 'history_filename': None, 'maxiter': None, 'maxcall': None, 'dlogz': 0.1, 'logl_max': inf, 'n_effective': None, 'add_live': True, 'print_progress': True, 'print_func': <bound method Dynesty._print_func of <bilby.core.sampler.dynesty.Dynesty object at 0x7f0fc6a44160>>, 'save_bounds': False, 'checkpoint_file': None, 'checkpoint_every': 60, 'resume': False}
15:37 bilby INFO    : Checkpoint every check_point_delta_t = 600s
15:37 bilby INFO    : Using dynesty version 2.1.2
15:37 bilby INFO    : Using the bilby-implemented rwalk sampling tracking the autocorrelation function and thinning by 2 with maximum length 30000
15:37 bilby INFO    : Setting up multiproccesing pool with 72 processes

错误信息 #

Traceback (most recent call last):
  File "/home/hydrogen/miniconda3/envs/lisabeta-bilby/lib/python3.8/multiprocessing/pool.py", line 125, in worker
    result = (True, func(*args, **kwds))
  File "/home/hydrogen/miniconda3/envs/lisabeta-bilby/lib/python3.8/multiprocessing/pool.py", line 48, in mapstar
    return list(map(*args))
  File "/home/hydrogen/miniconda3/envs/lisabeta-bilby/lib/python3.8/site-packages/bilby/core/sampler/dynesty_utils.py", line 197, in __call__
    self.build_cache()
  File "/home/hydrogen/miniconda3/envs/lisabeta-bilby/lib/python3.8/site-packages/bilby/core/sampler/dynesty_utils.py", line 326, in build_cache
    accept = max(accept // n_found, 1)
ZeroDivisionError: integer division or modulo by zero

观察与推测 #

• 调整设置后发现，maxmcmc值较小时更易触发该问题。
• 分析ACTTrackingRWalk类源码推测：期望链长为自相关长度（act）的50倍，但当act接近maxmcmc（如act < maxmcmc < act * nact）时，while循环会被maxmcmc截断，链中点数不足一个稀疏化因子（act*nact），导致稀疏化后无有效点，触发除零错误；但过大的maxmcmc会导致多核心采样CPU效率极低。

问题解答 #

1. 该错误是bug还是由我的采样器设置不当导致？ #

这属于Bilby实现act-walk时的边界处理bug。你的分析准确：当maxmcmc落在act和act*nact之间时，截断后的链无法生成至少一个稀疏化样本，导致n_found=0触发除零错误。这种场景是代码未覆盖的边界条件，并非单纯设置不当，但你的maxmcmc设置刚好命中了这个未被处理的情况。

2. 哪些场景需要调整非默认的nact值？ #

nact控制稀疏化链所需的最小自相关长度倍数，默认nact=2能平衡样本独立性和计算效率，需要调大的场景包括：

• 后验参数强耦合：参数间高度相关导致自相关长度（act）显著增大，更大的nact能保证稀疏化后的样本足够独立；
• 高精度后验需求：对参数误差要求严格，或需要计算低概率尾部统计量时，增大nact可减少自相关带来的偏差；
• 样本独立性警告：如果采样过程中输出提示样本自相关过高，或有效样本量（n_effective）远低于预期，可尝试调大nact。

3. 如何确定合适的采样器设置（如maxmcmc等）？这些设置是否需要根据后验分布的特征进行调整？ #

采样器设置必须结合后验分布特征调整，具体建议：

• maxmcmc设置：
  • 最小设为act * nact * 2，预留足够空间避免触发边界错误；或直接用远大于预期act的值（比如默认的30000，若你的act不会超过15000）；
  • 若担心CPU效率，先做一轮短采样估算act值，再将maxmcmc设为act * nact * 5，既避免错误又减少计算浪费；
• 其他参数调整：
  • walks：后验维度高或分布复杂时，调大walks（比如从100到200）提升采样效率；
  • facc：接受率过低（如<0.1）时，适当调大facc增强步长适应性；
• 动态调整策略：
  • 先运行小规模预采样，查看Dynesty输出的act值、接受率、有效样本量等统计信息，再针对性调参；
  • 启用checkpoint功能，采样中断后可从断点恢复，避免重复计算。

内容的提问来源于stack exchange，提问作者niuiniuin