[논문 리뷰] An adaptive minimum spanning tree multi-element method for uncertainty quantification of smooth and discontinuous responses

Yous van Halder, Benjamin Sanderse외 1명|arXiv (Cornell University)|2018. 03. 19.

Probabilistic and Robust Engineering Design참고 문헌 35인용 수 3

한 줄 요약

이 논문은 사전 지식 없이도 매끄럽고 비연속적인 반응을 모두 자동으로 처리할 수 있는 적응형 최소 스패닝 트리 다요소(MST-ME) 방법을 제안한다. 최소 스패닝 트리 기반 적응형 샘플링, 비선형성 탐지에 사용되는 서포트 벡터 머신(SVM), 그리고 분해된 영역에서의 최소 수직 보간법을 융합함으로써, 낮은 수의 샘플로도 높은 정확도와 효율성을 달성하며 기브스 현상(Gibbs phenomena)을 피하고 복잡한 PDE 및 공학 문제에 대한 견고한 대체 모델링을 가능하게 한다.

ABSTRACT

A novel approach for non-intrusive uncertainty propagation is proposed. Our approach overcomes the limitation of many traditional methods, such as generalised polynomial chaos methods, which may lack sufficient accuracy when the quantity of interest depends discontinuously on the input parameters. As a remedy we propose an adaptive sampling algorithm based on minimum spanning trees combined with a domain decomposition method based on support vector machines. The minimum spanning tree determines new sample locations based on both the probability density of the input parameters and the gradient in the quantity of interest. The support vector machine efficiently decomposes the random space in multiple elements, avoiding the appearance of Gibbs phenomena near discontinuities. On each element, local approximations are constructed by means of least orthogonal interpolation, in order to produce stable interpolation on the unstructured sample set. The resulting minimum spanning tree multi-element method does not require initial knowledge of the behaviour of the quantity of interest and automatically detects whether discontinuities are present. We present several numerical examples that demonstrate accuracy, efficiency and generality of the method.

연구 동기 및 목표

• 사전 지식 없이도 반응 특성에 관계없이 매끄럽고 비연속적인 양의 관심사에 대해 효과적으로 작동하는 비침입적 불확실성 정량화 방법을 개발하는 것.
• 일반화된 다항식 혼합 및 확률적 콜로케이션 방법의 한계, 특히 비연속성 근처에서 발생하는 기브스 현상을 극복하는 것.
• 입력 매개변수의 확률 밀도 및 기울기 정보를 기반으로 한 적응형 샘플링을 통해 고비용 모델 평가 횟수를 줄이는 것.
• 자동 영역 분할과 국소 보간을 통해 복잡한 PDE 및 블랙박스 모델에 대한 견고한 대체 모델링을 가능하게 하는 것.
• 비구조적이고 적응적으로 샘플링된 데이터 포인트에서의 보간 안정성과 정확도를 확보하는 것.

제안 방법

• 최소 스패닝 트리(MST)를 사용한 적응형 샘플링을 수행하며, 입력 매개변수의 확률 밀도와 양의 관심사에서의 국소 기울기를 균형 있게 고려하는 고유한 가중치 함수를 적용한다.
• 서포트 벡터 머신(SVM)을 사용해 샘플을 분류하고 비연속성을 탐지함으로써, SVM 분류 경계를 따라 영역을 분할하여 비연속적 행동을 보이는 영역를 분리한다.
• 랜덤 입력 공간을 상호 겹치지 않는 요소들로 분해하며, 각 요소 내에서 국소 양의 관심사는 안정적인 보간이 가능하도록 한다.
• 각 요소 내에서 산산이 흩어진 비구조적 샘플 집합에 대해 최소 수직 보간법을 적용하여 정확한 국소 근사치를 구성한다.
• 반복적으로 MST 기반으로 새로운 샘플을 추가함으로써 고확률 영역 및 고기울기 영역의 해상도를 향상시키며 수렴에 도달할 때까지 반복한다.
• 전체 과정은 완전히 적응형이며, 반응의 매끄럽기 또는 비연속성 여부에 대한 初기 가정이 필요하지 않다.

실험 결과

연구 질문

• RQ1 최소 스패닝 트리 기반의 적응형 샘플링 전략이 불확실성 정량화에서 정확도를 유지하면서도 모델 평가 횟수를 효과적으로 줄일 수 있는가?
• RQ2 기계 학습 기법을 활용해 최소한의 샘플로 양의 관심사 내 비연속성을 탐지하고 국소화할 수 있는가?
• RQ3 SVM 기반 영역 분할을 통한 다요소 접근 방식이 매끄럽고 비연속적인 반응 모두에서 기브스 현상을 방지하면서도 정확도를 유지할 수 있는가?
• RQ4 MST 샘플링, SVM 분류, 최소 수직 보간법의 조합이 기존의 확률적 콜로케이션 방법에 비해 수렴성과 견고성 면에서 얼마나 뛰어나게 성능을 발휘하는가?
• RQ5 이 방법이 반응 함수의 특성에 대한 사전 지식 없이도 자동으로 매끄럽거나 비연속적인 행동을 구분할 수 있는가?

주요 결과

• MST-ME 방법은 1D 얕은 수면 방정식 및 3D 댐 붕괴 시뮬레이션과 같은 복잡한 문제에서도 비연속성을 정확히 포착하면서도 기브스 현상을 유발하지 않았다.
• 자유 표면 유동이 있는 3D 댐 붕괴 문제에서는 높이 대 길이 비율에 따라 비선형적이지만 매끄러운 반응을 보였으며, 비연속성이 관측되지 않았다—이유는 기체 상 모델링 부재일 수 있다.
• 적응형 샘플링 6회 반복 후 오직 30개의 샘플로도 정확한 대체 모델을 달성하여 빠른 수렴성과 효율성을 입증했다.
• MST-ME 방법은 반응이 매끄럽거나 비연속적인지 자동으로 탐지하여 반응 행동에 대한 사전 지식이 필요 없음을 입증했다.
• 최소 수직 보간법은 비구조적 샘플 집합에서 안정적인 국소 근사를 제공했으며, 비연속성이 존재하더라도 방법의 견고성이 유지되었다.
• 이 방법은 PDE의 파arametric 해법에 적합하며 몬테카를로 기반의 불확실성 정량화나 역문제에 대한 대체 모델로 사용될 수 있다.