[論文レビュー] Rank-adaptive structure-preserving reduced basis methods for Hamiltonian systems.

Jan S. Hesthaven, Cecilia Pagliantini+1 more|arXiv (Cornell University)|Jul 26, 2020

Model Reduction and Neural Networks参考文献 35被引用数 5

ひとこと要約

本稿では、波動相互作用、非線形輸送、およびVlasov方程式を含む問題において、優れた安定性と著しい実行時間の高速化を達成する、ランク適応型で構造を保全するパラメータ付きハミルトニアン系のモデル順序低減手法を提案する。この手法は、時間的に変化する局所的低次元空間を動的低ランク近似を用いて進化させることで、ハミルトニアン系のシンプレクティック構造を保ちながら、精度を維持するための低次元基底の次元を動的に調整する。

ABSTRACT

This work proposes an adaptive structure-preserving model order reduction method for finite-dimensional parametrized Hamiltonian systems modeling non-dissipative phenomena. To overcome the slowly decaying Kolmogorov width typical of transport problems, the full model is approximated on local reduced spaces that are adapted in time using dynamical low-rank approximation techniques. The reduced dynamics is prescribed by approximating the symplectic projection of the Hamiltonian vector field in the tangent space to the local reduced space. This ensures that the canonical symplectic structure of the Hamiltonian dynamics is preserved during the reduction. In addition, accurate approximations with low-rank reduced solutions are obtained by allowing the dimension of the reduced space to change during the time evolution. Whenever the quality of the reduced solution, assessed via an error indicator, is not satisfactory, the reduced basis is augmented in the parameter direction that is worst approximated by the current basis. Extensive numerical tests involving wave interactions, nonlinear transport problems, and the Vlasov equation demonstrate the superior stability properties and considerable runtime speedups of the proposed method as compared to global and traditional reduced basis approaches.

研究の動機と目的

• 従来の低次元基底手法の効率を制限する輸送問題におけるコルモゴロフ幅の緩やかな減少に対処すること。
• モデル順序低減の過程でハミルトニアン力学の標準的シンプレクティック構造を保つこと。
• 時間発展に伴い低次元空間の次元を動的に適応させることで、解の精度を維持すること。
• 局所的低次元空間と、最も悪い近似が生じるパrameter方向における適応的基底拡張を組み合わせた手法を開発すること。
• 非散逸的系、たとえばVlasov方程式や非線形輸送問題のような長時間シミュレーションにおいて、高い精度と計算効率を両立すること。

提案手法

• 本手法は、動的低ランク近似技術を用いて時間発展する局所的低次元空間を構築する。
• ハミルトニアンベクトル場を現在の低次元空間の接空間に射影することで、低次元動的を導出する。
• 射影が低次元空間における標準的シンプレクティック形式を尊重することにより、シンプレクティック構造を保つ。
• 誤差指標が精度が不十分であると示唆した場合に、低次元基底次元を適応的に増加させ、誤差が最も大きいパrameter方向に基底を拡張する。
• 解の品質を時間発展全体で維持するために、残差に基づく誤差指標を用いて基底拡張をトリガーする。
• パラメトリックなモデル順序低減と低ランク行列近似を組み合わせることで、変化する動的特性に適応しながら低ランク解を維持する。

実験結果

リサーチクエスチョン

• RQ1 輸送優勢のハミルトニアン系において、コルモゴロフ幅の緩やかな減少に対処できる構造を保全する低次元基底手法を設計できるか？
• RQ2 時間的に変化する低次元空間を伴うモデル順序低減において、ハミルトニアン力学のシンプレクティック構造をどのように保てるか？
• RQ3 長時間非散逸的系のシミュレーションにおいて、動的ランク適応が精度と安定性をどの程度向上させるか？
• RQ4 最も悪い近似が生じるパrameter方向における適応的基底拡張は、固定ランクまたはグローバルな低次元基底手法を上回るか？
• RQ5 波動相互作用やVlasov方程式のようなベンチマーク問題において、提案手法はどの程度の性能向上と安定性の向上を達成するか？

主な発見

• 提案手法は、特にコルモゴロフ幅の減少が緩やかな問題において、グローバル法や従来の低次元基底手法に比べて優れた安定性を示した。
• 非線形輸送や波動相互作用問題において、効率的な局所的低次元空間の適応により、著しい実行時間の高速化が観察された。
• 動的ランク適応機構により、必要に応じてのみ基底を拡張することで、高い精度を維持しながら計算オーバーヘッドを削減した。
• 元のハミルトニアン系のシンプレクティック構造を保ち、長期的なエネルギー保存と定性的な正しさを確保した。
• Vlasov方程式に対する数値実験では、高次元で非散逸的な環境下でも本手法の頑健さと効率性が示された。
• 誤差指標は基底拡張を効果的に誘導し、パラメータ空間の過剰なサンプリングを最小限に抑えながら高精度な解を得た。