[論文レビュー] An Adaptive Pole-Matching Method for Interpolating Reduced-Order Models

Yue Yao, Lihong Feng+1 more|arXiv (Cornell University)|Aug 2, 2019

Model Reduction and Neural Networks参考文献 17被引用数 5

ひとこと要約

本稿では、分枝限定法を用いて組み合わせ最適化問題として効率的に極の対応付けを解くことで、パラメトリック低次元モデル（pROM）の補間に適応的極対応付け手法を提案する。この手法により、複雑なパrameter依存性に対しても、正確で安定的かつ効率的なpROM構築が可能となり、適応的サンプリングとオプションの回帰によりストレージを削減でき、33,051自由度のマクスウェル方程式モデルにおいて高い精度と頑健性が実証された。

ABSTRACT

An adaptive parametric reduced-order modeling method based on interpolating poles of reduced-order models is proposed in this paper. To guarantee correct interpolation, a pole-matching process is conducted to determine which poles of two reduced-order models correspond to the same parametric pole. First, the pole-matching in the scenario of parameter perturbation is discussed. It is formulated as a combinatorial optimization problem and solved by a branch and bound algorithm. Then, an adaptive framework is proposed to build repository ROMs at adaptively chosen parameter values, which well represent the parameter domain of interest. To achieve this, we propose techniques including a predictor-corrector strategy and an adaptive refinement strategy, which enable us to use larger steps to explore the parameter domain of interest with good accuracy. The framework also consists of regression as an optional post-processing phase to further reduce the data storage. The advantages over other parametric reduced-order modeling approaches are, e.g., compatibility with any model order reduction method, constant size of the parametric reduced-order model with respect to the number of parameters, and capability to deal with complicated parameter dependency.

研究の動機と目的

• フルオーダーモデルが状態空間形式で利用できない状況において、パラメトリック低次元モデル（pROM）の正確かつ効率的な補間を解決すること。
• パラメトリックモデル次元削減におけるブルートフォースな極対応付けの計算不能性と不安定性を克服すること。
• 高い精度と最小限のデータストレージで、最適なパrameterサンプルを選択してリポジトリROMを構築するための適応的フレームワークを開発すること。
• 局所ROMの生成方法に関わらず、任意のモデル次元削減手法と安定的かつ互換性を持つことを保証すること。
• 補間とオプションの回帰を用いて、非滑らかまたは多項式でない挙動を示す複雑なパrameter依存性に対しても、頑健に処理できること。

提案手法

• すべての局所低次元モデル（ROM）を極・留数表現に変換することで、パrameter値間での一貫した表現を確保する。
• 2つのROM間の極対応付けを、極と留数の正しい対応を求める組み合わせ最適化問題として定式化する。
• 極対応付け問題を効率的に解くために、分枝限定法を用いる。特に、良好な初期推定値がある小規模なパrameter摂動に対して非常に有効である。
• 予測子・補正子戦略とリファインメントヒューリスティクスを用いた適応的フレームワークにより、精度を維持しながらより大きなステップでパrameter領域を探索する。
• データ圧縮をさらに促進するために、回帰を後処理ステップとして適用し、パrameter空間における低次の多項式でpROMを近似する。
• 安定性を保つために、補間された極が左半平面に留まるようにし、必要に応じて線形補間へのフォールバックを実施する。

実験結果

リサーチクエスチョン

• RQ1 パrameter摂動下で、低次元モデル間の極対応付けをどのように効率的かつ頑健に実行できるか？
• RQ2 最小限のリポジトリROMでパrameter領域を正確に表現できる適応的サンプリング戦略は何か？
• RQ3 補間ベースのpROMは、固有値分岐点付近でも精度を保てるか？
• RQ4 回帰は、パラメトリックモデル次元削減において、精度を損なわずデータ圧縮をどのように改善するか？
• RQ5 提案フレームワークにおいて、任意のモデル次元削減手法と互換性を持ち、安定性を保証する条件は何か？

主な発見

• 分枝限定法は、ブルートフォースな全列挙に比べ、極対応付けの効率性と頑健性を顕著に向上させ、特に小規模なパrameter摂動において顕著である。
• 予測子・補正子戦略とリファインメントヒューリスティクスを備えた適応的フレームワークにより、パrameter範囲[0.5, 0.9]で必要なROM数を18に削減し、許容誤差τₑ = 0.00001で高い精度を達成した。
• 補間済みおよび回帰処理済みの両pROMが、ブランチラインコアプラモデルのダイナミクスを正確に捉えており、周波数領域における相対誤差は10⁻⁴未満であった。
• 回帰は、すべての主要な極が正しく対応付けられている場合にのみ有効であり、極の誤対応付けは悪いグローバル近似を引き起こすため、回帰が対応付け誤差に極めて感受的であることが示された。
• 極に基づく補間により、自然に安定性が保たれ、左半平面に位置する極の線形補間は安定性を維持する。
• 本手法は、データ駆動型および射影ベースのROMを含む、任意のモデル次元削減手法と互換性があり、複雑なパrameter依存性に対しても効果的に対処できる。