[論文レビュー] Microscopic/stochastic timesteppers and coarse control: a kinetic Monte Carlo example

Constantinos Siettos, Antonios Armaou+2 more|ArXiv.org|Jul 10, 2002

Theoretical and Computational Physics参考文献 15被引用数 45

ひとこと要約

本論文は、微視的シミュレーションを用いた確率的システムの粗大制御のためのフレームワークを提案する。具体的には、時間積分法としてキネティック・モンテカルロ（kMC）法を用いる。微視的ダイナミクスと巨視的制御目的を結びつけることで、粗大スケールの安定性および分岐解析を用いた観測器および制御則の設計が可能となり、確率的シミュレーションから巨視的制御合成への計算的手順を示している。

ABSTRACT

Coarse timesteppers provide a bridge between microscopic / stochastic system descriptions and macroscopic tasks such as coarse stability/bifurcation computations. Exploiting this computational enabling technology, we present a framework for designing observers and controllers based on microscopic simulations, that can be used for their coarse control. The proposed methodology provides a bridge between traditional numerical analysis and control theory on the one hand and microscopic simulation on the other.

研究の動機と目的

• 微視的確率的シミュレーションと巨視的制御タスクの間の計算的ブリッジを構築すること。
• 微視的または確率的記述しか得られない複雑なシステムを制御する課題に対処すること。
• 微視的シミュレーションから導かれる粗大スケールのダイナミクスに基づいた観測器および制御則の設計を可能にすること。
• 伝統的制御理論および数値解析を確率的シミュレーション手法と統合すること。
• キネティック・モンテカルロを時間積分エンジンとして用いた粗大制御の実現可能性を示すこと。

提案手法

• 粒子またはエージェントレベルでのシステムの進化をシミュレートするために、微視的／確率的時間積分法としてキネティック・モンテカルロ（kMC）法を用いる。
• 繰り返し行われる微視的シミュレーションから巨視的挙動を抽出するために、粗大時間積分を用いる。
• 数値解析手法を用いて、シミュレーションデータから粗大スケールの安定性および分岐特性を計算する。
• 時間積分を通じて同定された粗大スケールのダイナミクスに基づいて、観測器および制御則の設計を導出する。
• 明示的な巨視的方程式が不要な状況でも、粗大時間積分器を用いて制御戦略の妥当性を検証する。
• kMCシミュレーションをブラックボックス時間積分器として扱い、制御理論と確率的シミュレーションを統合して粗大制御合成を実現する。

実験結果

リサーチクエスチョン

• RQ1 微視的または確率的シミュレーションをどのようにして巨視的システム挙動の観測器および制御則の設計に活用できるか？
• RQ2 粗大時間積分は、微視的ダイナミクスと巨視的制御目的を結びつける役割を果たすか？
• RQ3 微視的シミュレーションしか得られないシステムについて、安定性および分岐解析を実施できるか？
• RQ4 基礎となる巨視的方程式が不明または取り扱いにくい状況において、制御理論をどのように適用できるか？
• RQ5 kMCシミュレーションから導かれる粗大制御戦略の計算的妥当性および正確性はどの程度か？

主な発見

• 提案されたフレームワークは、時間積分に微視的シミュレーションのみを用いることで、観測器および制御則の設計を成功裏に可能にした。
• 粗大時間積分により、キネティック・モンテカルロシミュレーションから巨視的安定性および分岐情報の抽出が可能となった。
• 巨視的方程式が得られない、あるいはあまりに複雑すぎて導出が困難な場合の代替手段として有効である。
• 微視的ダイナミクスが既知のシステムにおいて、制御理論と確率的シミュレーションの統合は計算的に実行可能かつ頑健である。
• 本手法により、システムの巨視的運動方程式を事前に知らなくても、粗大制御を達成可能であることが示された。
• キネティック・モンテカルロを時間積分エンジンとして用いた実証により、本フレームワークが複雑なダイナミクスを示す確率的システムへの適用可能性が裏付けられた。