Leveraging probabilistic databases for modeling and simulating infectious diseases

Abstract

Gedurende de COVID pandemie werden computermodellen gebruikt om de verspreiding van besmettingsziekten te simuleren. Hiermee kon men het effect van verzachtende maatregelen op bijvoorbeeld het aantal infecties bestuderen. In de huidige simulator, Stride, is het tijdrovend om nieuwe features aan het model toe te voegen omdat deze simulator low-level geïmplementeerd is. Daarom bespreekt deze thesis een domeinspecifieke taal genaamd EpiQL die toelaat om transmissiemodellen declaratief en high-level te definiëren zodat ze sneller kunnen worden aangepast. Dit onderzoek tracht efficiënte uitvoeringsplannen te vinden voor EpiQL modellen en onderzoekt of probabilistische databases (PDBs) hiervoor kunnen worden gebruikt. Een EpiQL simulatie is equivalent aan een Markov ketting van PDBs. Daarom worden methoden besproken om deze PDBs te representeren en queryen. Uiteindelijk is men geïnteresseerd in de marginale probabiliteit van een tuple in de probabilistische database. Deze thesis toont echter aan dat exacte berekeningen van deze probabiliteiten onhaalbaar zijn met de huidige technieken. Ook kunnen bestaande probabilistische database systemen niet worden gebruikt om een EpiQL model te simuleren. Daarom berekent onze implementatie deze probabiliteiten bij benadering. Het simuleert een EpiQL model met behulp van database query processing technologie in main memory. Onze implementatie is ruwweg tien keer trager dan Stride en heeft meer geheugen nodig. Een EpiQL model is echter wel veel flexibeler om aan te passen dan een Stride model.