应用于德雷克-费米-布林技术文明模型的通用概率计算框架

《Computation》：General Probabilistic Computational Framework Applied to Drake–Fermi–Brin Models of Technological Civilizations

　　

摘要

许多科学与工程领域都依赖于简单模型，但这些模型的实用性往往受到参数不确定性和公式不兼容性的限制。我们提出了一种计算框架，通过使用有界参数表示和蒙特卡洛抽样方法，将确定性、半经验性和启发性方程转化为随机模型族。该框架还包含一个明确的语义层，能够保留变量含义的差异，从而在无需强制结构一致的前提下进行比较。此外，该框架还支持超模型——即在共享的诊断空间中对不同模型族进行加权组合的模型。该方法已被应用于五种结构不同的Drake–Fermi–Brin模型，实现了联合分布与边际分布分析、探索性聚类、参数重要性诊断以及分层不确定性分解等功能。研究结果表明，模型结构与参数设定会显著影响生成的分布情况。因此，各种比较结果仍取决于所设定的参数范围、抽样方式、语义关联以及各模型族的权重。尽管如此，通过集成多种模型仍可发现单个模型中无法显现的行为特征。可能的超模型配置数量超过10²⁷，这既体现了该问题的复杂程度，也凸显了结构化概率工作流程的价值。该框架为不同模型之间的不确定性传播与比较提供了可扩展的基础。