[論文レビュー] Comparison of Multiobjective Optimization Methods for the LCLS-II Photoinjector

Nicole Neveu|arXiv (Cornell University)|Jun 8, 2022

Advancements in Photolithography Techniques参考文献 24被引用数 11

ひとこと要約

本論文は、LCLS-II光電子注入器において、スカラー化、NSGA-II、およびモデルベース手法の3つの最適化手法を比較し、ラテン超立体内サンプリングと強い目的関数ペナルティが収束を著しく改善することを示している。APOSMM+LHSのようなモデルベース手法は、2,000回未満のシミュレーションでパレートフロントの近似を達成し、従来のNSGA-IIと比較して最適化ケース1件あたり最大2,000 CPU時間の計算コスト削減を実現した。

ABSTRACT

Particle accelerators are among some of the largest science experiments in the world and can consist of thousands of components with a wide variety of input ranges. These systems can easily become unwieldy optimization problems during design and operations studies. Starting in the early 2000s, searching for better beam dynamics configurations became synonymous with heuristic optimization methods in the accelerator physics community. Genetic algorithms and particle swarm optimization are currently the most widely used. These algorithms can take thousands of simulation evaluations to find optimal solutions for one machine prototype. For large facilities such as the Linac Coherent Light Source (LCLS) and others, this equates to a limited exploration of many possible design configurations. In this paper, the LCLS-II photoinjector is optimized with three optimization algorithms. All optimizations were started from both a uniform random and Latin hypercube sample. In all cases, the optimizations started from Latin hypercube samples outperformed optimizations started from uniform samples. All three algorithms were able to optimize the photoinjector, with the model-based methods approximating the Pareto front in fewer simulation evaluations. This work, in combination with previous optimization observations, indicates objective penalties have a strong impact on the efficiency of such methods. In general, we recommend heuristic methods for initial optimizations and model-based methods when information about the objective space is available.

研究の動機と目的

• LCLS-II光電子注入器において、スカラー化、NSGA-II、およびモデルベース手法の3つの多目的最適化手法の性能を評価すること。
• サンプリング戦略（一様分布 vs. ラテン超立体内）が最適化の収束性と効率に与える影響を評価すること。
• 発散や失敗を引き起こす可能性がある厳密な制約下で、発散や失敗を回避するためのエミッタンスと損失粒子数に対する目的関数ペナルティの影響を調査すること。
• ヒューリスティック手法と比較して、モデルベース手法が少ないシミュレーション評価回数で同等またはより優れた結果を達成できるかどうかを検証すること。
• 利用可能な情報と計算リソースの制約を考慮し、加速器物理学者が最適化戦略を選択するための実用的かつ明確な推奨事項を提示すること。

提案手法

• LCLS-II光電子注入器のビームダイナミクスを12個の入力パラメータ（レーザー分布、磁場設定など）を含むオープンソースのOPALシミュレーションコードでモデル化した。
• HPCリソースを横断的に活用するため、複数のシミュレーション評価と最適化ワークフローの管理にlibEnsembleフレームワークを採用した。
• スカラー化（APOSMM）、ヒューリスティック手法（NSGA-II）、モデルベースアプローチ（VTMOP）という3つの最適化手法を用い、同じシミュレーション予算とスケーリング条件を適用した。
• 収束への影響を比較するために、初期集団生成戦略としてラテン超立体内サンプリング（LHS）と一様乱数サンプリングを用いた。
• 妥当で高品質な解への収束を促進するため、目的関数にエミッタンスと損失粒子数に対する強いペナルティを導入した。
• 大学や国立研究所で一般的に利用可能な規模のHPCリソース（36〜72コア）を用いて、すべての最適化を実施した。

実験結果

リサーチクエスチョン

• RQ1 一様乱数サンプリングの代わりにラテン超立体内サンプリングを用いることで、光電子注入器最適化における収束速度が向上するか？
• RQ2 LCLS-II光電子注入器において、モデルベース最適化手法はNSGA-IIのようなヒューリスティック手法と比較して、シミュレーション効率に優れているか？
• RQ3 エミッタンスと損失粒子数に対する目的関数ペナルティが、最適化の収束性と解の品質にどの程度の影響を及ぼすか？
• RQ4 強いペナルティを適用した場合、2,000回未満のシミュレーション評価で良好に分布したパレートフロントを達成できるか？
• RQ5 加速器光電子注入器最適化において、ヒューリスティック手法とモデルベース手法のどちらを、どのような条件下で優先すべきか？

主な発見

• 3つのアルゴリズムすべてにおいて、ラテン超立体内サンプリングから開始した最適化が一様乱数サンプリングから開始したものよりも優れた結果を示し、サンプリング効率の向上が確認された。
• APOSMM+LHSのようなモデルベース手法は、2,000回未満のシミュレーション評価で収束を達成し、最適化ケース1件あたり最大2,000 CPU時間の計算コスト削減を実現した。
• エミッタンスと損失粒子数に対する強いペナルティの導入により、収束性が著しく向上し、過去のNSGA-II実行で見られた停滞や失敗の問題が解消された。
• 過去の研究ではNSGA-IIは10,000回以上の評価を要したが、本研究ではLHSサンプリングと組み合わせた強力なペナルティにより、2,000回未満の評価で収束が達成された。
• 目的関数空間が十分に理解されている場合には、情報に基づいたペナルティを組み込んだモデルベース手法が、ヒューリスティック手法よりも効率的であると示唆された。
• 本研究では、ラテン超立体内サンプリングとペナルティベースの目的関数を組み合わせることで、最適化ケース1件あたり最大2,000 CPU時間の計算コスト削減が可能であることを実証した。