[論文レビュー] Parallel optimization for large eddy simulations

Chaitanya Talnikar, Patrick Blonigan+2 more|arXiv (Cornell University)|Oct 31, 2014

Advanced Multi-Objective Optimization Algorithms参考文献 12被引用数 5

ひとこと要約

本論文は、高い計算コストとノイズの多い目的関数を伴う大済み乱流シミュレーション（LES）に基づく設計最適化を高速化するため、スナッピングと期待量分位数改善（EQI）を組み合わせた並列ベイジアン最適化フレームワークを提案する。数千のコアを効率的に活用し、類似設計のシミュレーションを再利用することで、乱流チャネルフローの抗力低減およびタービン後縁部の熱伝達と圧力損失をそれぞれ17%および21%削減した。

ABSTRACT

We developed a parallel Bayesian optimization algorithm for large eddy simulations. These simulations challenge optimization methods because they take hours or days to compute, and their objective function contains noise as turbulent statistics that are averaged over a finite time. Surrogate based optimization methods, including Bayesian optimization, have shown promise for noisy and expensive objective functions. Here we adapt Bayesian optimization to minimize drag in a turbulent channel flow and to design the trailing edge of a turbine blade to reduce turbulent heat transfer and pressure loss. Our optimization simultaneously runs several simulations, each parallelized to thousands of cores, in order to utilize additional concurrency offered by today's supercomputers.

研究の動機と目的

• 高コストで統計的サンプリング誤差を伴う、高価でノイズの多い大済み乱流シミュレーション（LES）の最適化という課題に対処すること。
• スパコン上で数千コアにわたる大規模並列処理を活用できるスケーラブルな最適化フレームワークの開発。
• 有望な設計を継続的にシミュレートする「スナッピング」戦略により、類似設計のシミュレーションを再利用することで、高価なLES評価回数を削減すること。
• 標準的な期待改善（EI）とは異なり、変動するノイズレベルに適応できる期待量分位数改善（EQI）を用いることで、ノイズの多いブラックボックス最適化における収束性とロバスト性を向上させること。
• 本フレームワークの有効性を、乱流チャネルフローの抗力最小化とタービン後縁部最適化という2つのLESに基づく設計問題に実証すること。

提案手法

• 有限時間平均によるノイズの非定常性を反映させたガウス過程（GPs）を用いて、ノイズの多いLES目的関数をモデル化する。
• 異なる設計におけるノイズレベルの変動を考慮し、探索と活用のバランスを取るために期待量分位数改善（EQI）基準を採用する。
• 類似した設計が既にシミュレート済みの場合、その設計を継続してシミュレートする「スナッピング」を実装し、不要な遷移段階のシミュレーションを回避する。
• 複数の設計を同時に並列評価可能にし、数千コアにわたるスケーリングによりリソース利用効率を最大化する。
• 滑らかなサロゲートモデルを確保するため、ガウス過程に平方指数カーネルを適用し、ハイパーパramータのチューニングにベイジアンモデル選択を用いる。
• GPの事後平均と分散から導出された解析的形態を持つEQIの獲得関数を用いて、次回の設計選択を実施する。

実験結果

リサーチクエスチョン

• RQ1 並列ベイジアン最適化フレームワークは、ノイズの多いサンプリング誤差に耐性を保ちながら、高価なLES評価回数を削減できるか？
• RQ2 類似設計のシミュレーションを再利用する「スナッピング」戦略は、不要な遷移段階計算を回避するためにどの程度効果的か？
• RQ3 LESに一般的に見られる非一様なノイズ環境下で、期待量分位数改善（EQI）基準は標準的な期待改善（EI）をどの程度上回るか？
• RQ4 限られた計算リソースのもとで、本フレームワークは抗力低減や熱伝達最小化といった乱流流れの設計目的で顕著な改善を達成できるか？
• RQ5 現代のスパコン上で、本フレームワークは数千コアにスケーリングされ、LESに基づく最適化をどの程度高速化できるか？

主な発見

• タービン後縁部の最適化において、熱伝達を17%、圧力損失係数を21%削減し、ベースラインと比較して顕著な性能向上を達成した。
• 最適化の過程で最終設計に2度スナッピングが発生した。これは、類似設計のシミュレーションを再利用する戦略が、新規に開始するよりも効率的であったことを示している。
• 最適化された形状により、圧力側の剥離点が下流にずれ、混合層が安定化し、再循環領域への高温流体の混合が減少した。
• 最適化された幾何形状は、流れ下流のコherentな渦構造を消失させ、大規模な混合が低減され、圧力損失が低下した。
• EQIの導入により、標準的なEIと比較して、変動するノイズレベルへの対処が改善され、ノイズの多いLES評価における収束性が向上した。
• 本フレームワークは数千コアにスケーリングに成功し、複数設計の並列評価を可能にし、最適化プロセスを加速した。