[論文レビュー] S-OPT: A Points Selection Algorithm for Hyper-Reduction in Reduced Order Models

Jessica T. Lauzon, Siu Wun Cheung+4 more|arXiv (Cornell University)|Mar 29, 2022

Model Reduction and Neural Networks被引用数 12

ひとこと要約

本稿では、超還元法における点選択アルゴリズムS-OPTを提案する。S-OPTは、選択された基底射影の列の直交性と行列式を最大化することで、数値的安定性を向上させる。S-OPTは、特に低サンプル領域において、空間的分布の良さと直交性の保持に優れるため、過剰にサンプリングされた離散的経験的補間法（DEIM）よりも、より少ないサンプリングインデックスで低い射影誤差と解の誤差を達成する。

ABSTRACT

While projection-based reduced order models can reduce the dimension of full order solutions, the resulting reduced models may still contain terms that scale with the full order dimension. Hyper-reduction techniques are sampling-based methods that further reduce this computational complexity by approximating such terms with a much smaller dimension. The goal of this work is to introduce a points selection algorithm developed by Shin and Xiu [SIAM J. Sci. Comput., 38 (2016), pp. A385--A411], as a hyper-reduction method. The selection algorithm is originally proposed as a stochastic collocation method for uncertainty quantification. Since the algorithm aims at maximizing a quantity S that measures both the column orthogonality and the determinant, we refer to the algorithm as S-OPT. Numerical examples are provided to demonstrate the performance of S-OPT and to compare its performance with an over-sampled Discrete Empirical Interpolation (DEIM) algorithm. We found that using the S-OPT algorithm is shown to predict the full order solutions with higher accuracy for a given number of indices.

研究の動機と目的

• 非線形還元順序モデル（ROM）における計算ボトル neck を軽減する。これは、全順序モデル（FOM）のサイズに比例する高次元の非線形項が原因である。
• 選択されたサンプリング点が基底行列の直交性と行列式を保持することにより、超還元法の精度と安定性を向上させる。
• 特に広義流体力学的問題や対流優勢な流れ問題において、S-OPTの性能を過剰にサンプリングしたDEIMと比較し、非線形PDEの超還元法において評価する。
• S-OPTが、特に低サンプル領域において、より少ないサンプリングインデックスで収束が速く、誤差が小さいことを示す。

提案手法

• S-OPTは、列の直交性と基底行列の行列式をバランスさせる量 𝒮 を最大化することで、サンプリング点を選択する。これにより、数値的安定性が向上する。
• このアルゴリズムは、もともと不確実性の定量化を目的として開発された確率的コロケーション法に由来し、ROMにおける超還元法に再利用された。
• S-OPTは、解の変動が大きい領域にわたってより均等に分布するインデックスを選択する。これにより、近似の品質が向上する。
• この手法は、超還元法における非線形項近似の品質を評価するための主要な指標として、斜交射影誤差を用いる。
• S-OPTと過剰にサンプリングしたDEIMを比較するため、サンプリングインデックスの数を変化させ、射影誤差と解の誤差を測定する。
• ベンチマーク問題（Gresho渦と3次元Sedov爆風）を用いて検証し、運動量保存則とエネルギー保存則の非線形項を含む。

実験結果

リサーチクエスチョン

• RQ1 S-OPTは、非線形項の超還元誤差を、過剰にサンプリングしたDEIMと比較してどのように低減するか？
• RQ2 S-OPTは、より少ないサンプリングインデックスで、解の精度を維持または向上させながら、より低い斜交射影誤差を達成できるか？
• RQ3 S-OPTが選択する点の空間的分布は、DEIMと比較して、より高い数値的安定性と誤差増大の抑制をもたらすか？
• RQ4 サンプリングインデックスの増加に伴う射影誤差の減衰率は、S-OPTとDEIMでどのように異なるか？
• RQ5 S-OPTの直交性を保つ点選択が、対流優勢な問題におけるROMの安定性と収束性に与える影響は何か？

主な発見

• エネルギー保存則の非線形項の全テストスナップショットにおいて、S-OPTは過剰にサンプリングしたDEIMよりも顕著に低い斜交射影誤差を達成する。
• サンプリングインデックスの増加に伴い、S-OPTの斜交射影誤差はDEIMよりも速く減衰する。これは、優れた収束性を示している。
• 3次元Sedov爆風問題において、S-OPTは特にサンプリング数が少ない場合に、DEIMよりもより安定的かつ低い最終時刻のL²解誤差を生成する。
• S-OPTが選択する点は、解の変動が大きい領域に均等に分布しており、近似品質が向上する。
• 20未満のサンプリングインデックスを使用する場合、S-OPTはDEIMが示す急激な劣化とは対照的に、相対誤差の増加が滑らかでより予測可能である。
• 直交射影誤差は下限として機能し、S-OPTはDEIMよりも常にこの下限に速く近づく。これは、近似品質が優れていることを示している。