[論文レビュー] The Optimal Uncertainty Algorithm in the Mystic Framework

Mike McKerns, Houman Owhadi+3 more|arXiv (Cornell University)|Feb 6, 2012

Probabilistic and Robust Engineering Design参考文献 2被引用数 12

ひとこと要約

本論文は、mystic最適化ライブラリ内での最適不確実性評価（OUQ）フレームワークの実装を提示し、アンビエント不確実性とエピステミック不確実性の下で大規模な不確実性評価問題を効率的に解けるようにしている。ネストド最適化と制約を考慮したソルバを活用することで、故障確率の上限に対するロバストで有限次元の還元が達成され、平均制約を保証するハイパーサーフェス衝突シミュレーションモデルを用いた実証により検証された。

ABSTRACT

We have recently proposed a rigorous framework for Uncertainty Quantification (UQ) in which UQ objectives and assumption/information set are brought into the forefront, providing a framework for the communication and comparison of UQ results. In particular, this framework does not implicitly impose inappropriate assumptions nor does it repudiate relevant information. This framework, which we call Optimal Uncertainty Quantification (OUQ), is based on the observation that given a set of assumptions and information, there exist bounds on uncertainties obtained as values of optimization problems and that these bounds are optimal. It provides a uniform environment for the optimal solution of the problems of validation, certification, experimental design, reduced order modeling, prediction, extrapolation, all under aleatoric and epistemic uncertainties. OUQ optimization problems are extremely large, and even though under general conditions they have finite-dimensional reductions, they must often be solved numerically. This general algorithmic framework for OUQ has been implemented in the mystic optimization framework. We describe this implementation, and demonstrate its use in the context of the Caltech surrogate model for hypervelocity impact.

研究の動機と目的

• 不確実性評価（UQ）のための厳密で仮定を最小限に抑えたフレームワークを構築し、暗黙の仮定を避け、関連する情報を保持する。
• mystic最適化フレームワーク内に最適不確実性評価（OUQ）アルゴリズムを実装し、大規模なUQ問題を数値的に解く。
• ネストド最適化と制約の強制を用いて、非境界および平均制約を含む複雑な制約を持つOUQ問題を効率的に解く。
• カリフォルニア工科大学のハイパーサーフェス衝突シミュレーションモデルを用い、不確実性下での故障確率の上限を重点的に評価することで、フレームワークの有効性を示す。
• ソルバに依存しない終了条件と制約処理を統合することで、高次元かつ制約付き最適化における収束性と精度を保証する。

提案手法

• OUQをグローバル最適化問題として定式化し、情報集合にかかる制約（例：$\mathbb{E}_{\mu}[H]$ の境界）を満たすように $\mu[H=0]$ を最大化する。
• ネストド最適化戦略を採用：外側のループが $\mu[H=0]$ を最大化し、内側のループが微分進化を用いて平均制約を強制する。
• mysticの制約フレームワークを用い、コスト関数に直接非境界制約（例：重み正規化および平均期待値）を適用することで、無効なパラメータのフィルタリングを回避する。
• 無限大のポテンシャルウェルを用いた `SetStrictRanges` キーワードにより境界制約を適用し、関数評価の失敗を回避してすべての生成されたパラメータが変数の境界内に収まるように保証する。
• 収束を終了条件により実現：外側ループには `ChangeOverGeneration(tolerance=1e-4, generations=10)`、内側ループには `VTR(tolerance = d^2)` を使用。
• 測度オブジェクトの `expect` メソッドを用い、積測度の期待値が $[m-d, m+d]$ 内に収まるように平均制約を強制する。

実験結果

リサーチクエスチョン

• RQ1 不確実性評価を、暗黙の仮定を課さず、関連する情報を捨てることなく、どのように厳密に定式化できるか？
• RQ2 平均および重み正規化を含む一般の制約下で、故障確率の上限を最適に計算する方法は何か？
• RQ3 複雑な制約を伴う大規模なOUQ問題を、数値最適化を用いて効率的かつ信頼性高く解くにはどうすればよいか？
• RQ4 mysticフレームワークは、高次元かつ非凸なUQ問題におけるネストド最適化と制約強制を効果的にサポートできるか？
• RQ5 制約を考慮したソルバの統合は、レアイベント解析における収束性の向上と関数評価回数の削減にどのように寄与するか？

主な発見

• OUQアルゴリズムは、mysticフレームワーク内での制約付きグローバル最適化問題を解くことで、故障確率 $\mu[H=0]$ の最適な境界を効果的に計算した。
• 外側最適化ループでは、収束が $10^{-4}$ の許容誤差、10世代で達成され、安定的かつ高精度な結果が得られた。
• 内側ループでは、微分進化ソルバを用い、応答関数 $H$ の平均が $[5.5, 7.5]\ \text{mm}^2$ 内に収まるように最適化した。使用パラメータは $\text{CrossProbability} = 0.9$、$\text{ScalingFactor} = 0.9$、および Best1Exp 突然変異戦略を採用した。
• 制約関数 `constrain` を用いた処理により、コスト評価の前にすべての試行パラメータが正規化および平均制約を満たすよう保証され、効率性と収束速度が向上した。
• ソルバに依存しない終了条件と離散的制約処理の統合により、関数評価の爆発的増加が抑制され、高次元OUQ問題の効率的解法が可能になった。
• 本フレームワークは、ハイパーサーフェス衝突シミュレーションモデルへの応用を成功裏に示し、複雑な制約下でのエピステミックおよびアンビエント不確実性の取り扱いにおいて高いロバスト性を示した。