[論文レビュー] Efficient space-time reduced order model for linear dynamical systems in Python using less than 120 lines of code

Youngkyu Kim, May D. Wang+1 more|arXiv (Cornell University)|Nov 20, 2020

Model Reduction and Neural Networks参考文献 77被引用数 7

ひとこと要約

本稿では、120行未塔のPythonコードで実装される、線形力学的システム向けのコンactで効率的な空間–時間低次元モデル（ROM）を提示する。空間的および時間的モデル還元を、適切な直交分解（POD）と最小二乗Petrov–Galerkin射影を用いて統合することで、2次元の拡散および対流拡散問題において、相対誤差が10⁻⁴未塔で100倍の高速化を達成する。

ABSTRACT

A classical reduced order model (ROM) for dynamical problems typically involves only the spatial reduction of a given problem. Recently, a novel space-time ROM for linear dynamical problems has been developed, which further reduces the problem size by introducing a temporal reduction in addition to a spatial reduction without much loss in accuracy. The authors show an order of a thousand speed-up with a relative error of less than 0.00001 for a large-scale Boltzmann transport problem. In this work, we present for the first time the derivation of the space-time Petrov-Galerkin projection for linear dynamical systems and its corresponding block structures. Utilizing these block structures, we demonstrate the ease of construction of the space-time ROM method with two model problems: 2D diffusion and 2D convection diffusion, with and without a linear source term. For each problem, we demonstrate the entire process of generating the full order model (FOM) data, constructing the space-time ROM, and predicting the reduced-order solutions, all in less than 120 lines of Python code. We compare our Petrov-Galerkin method with the traditional Galerkin method and show that the space-time ROMs can achieve O(100) speed-ups with O(0.001) to O(0.0001) relative errors for these problems. Finally, we present an error analysis for the space-time Petrov-Galerkin projection and derive an error bound, which shows an improvement compared to traditional spatial Galerkin ROM methods.

研究の動機と目的

• 線形力学的システム向けに、高効率的で最小限のコード量の空間–時間低次元モデル（ROM）の実装を開発すること。
• 適切な直交分解（POD）を用いた空間的および時間的還元を統合することで、精度を損なわずに解の計算を顕著に高速化できることを示すこと。
• 最小二乗Petrov–Galerkin空間–時間ROMに適したブロック構造を持つ演算子を導出し、計算効率を高めること。
• フルオーダーモデル（FOM）の生成からROM予測までの完全なエンド・ツー・エンドの実装パイプラインを、120行未塔のPythonコードで実現すること。
• 空間–時間Petrov–Galerkin ROMの理論的誤差境界を確立し、古典的Galerkin法と比較してその安定性と精度を評価すること。

提案手法

• 最小二乗Petrov–Galerkin射影のための空間–時間ROMにおけるブロック構造を導出し、効率的な行列構築と解法を可能にする。
• フルオーダーモデル（FOM）の解から得られるスナップショットデータに適切な直交分解（POD）を適用し、空間的および時間的低次元基底を抽出する。
• 空間的低次元空間における残差誤差を最小化するPetrov–Galerkin射影を用いて、低次元空間–時間系を構築する。
• 低次元演算子から構成される小さなブロック構造を持つ線形系を1回の解法でオンラインフェーズを実行する。
• 安定性を確保するため、フルオーダーモデル（FOM）に有限差分法による空間離散化と陰的時間積分法（後退Euler法）を適用する。
• Kronecker積とスパース行列演算を活用したマトリクスフリーな手法を用いて、空間–時間演算子の構築を効率的に行う。

実験結果

リサーチクエスチョン

• RQ1 120行未塔のPythonコードで実装可能な空間–時間ROMは、高い精度と計算速度を維持できるか？
• RQ2 線形力学的システムにおいて、最小二乗Petrov–Galerkin射影は、古典的Galerkin射影と比較して精度と安定性に優れているか？
• RQ3 PODによる時間的還元は、ROMの誤差と計算コストにどのような影響を与えるか？
• RQ4 空間–時間Petrov–Galerkin ROMに対して理論的誤差境界を導出でき、従来の空間のみのGalerkin ROMと比較して改善が見られるか？
• RQ5 空間–時間演算子のブロック構造は、オンラインフェーズにおける計算コストをどの程度低減できるか？

主な発見

• 提案された空間–時間ROMは、フルオーダーモデル（FOM）と比較して最大100倍（O(10²)）の高速化を達成し、相対誤差はO(10⁻³)からO(10⁻⁴)の範囲に収まる。
• 最小二乗Petrov–Galerkin射影は、特に強力な対流項や時間依存の外力が存在する問題において、古典的Galerkin法よりもより安定的かつ高精度なROMを実現する。
• 空間–時間演算子のブロック構造により、FOMの空間的自由度に等しい要因で計算コストが低減され、効率的なオンライン解法が可能になる。
• 空間–時間Petrov–Galerkin ROMの理論的誤差境界は、従来の空間のみのGalerkin ROMと比較して、より優れた安定性特性を示す。
• FOMの解生成からROM予測までの全パイプラインが120行未塔のPythonコードで実装可能であり、高いコード効率と再現性を示している。
• 線形の源項および時間変動するパrameterを有する問題に対しても、広範なテストケースにわたり精度を維持して適切に処理できる。