[논문 리뷰] Computing with vortices: Bridging fluid dynamics and its information-processing capability

Ken Goto, Kohei Nakajima외 1명|arXiv (Cornell University)|2020. 01. 23.

Neural Networks and Reservoir Computing참고 문헌 38인용 수 4

한 줄 요약

이 논문은 유체역학의 카르만 소용류 시스템을 물리적 리저보아 컴퓨팅(PRC) 플랫폼으로 사용하는 것을 제안하며, 소용류 발생의 임계 레이놀즈 수 근처에서 메모리 용량과 비선형 함수 근사 성능을 측정한 결과, 계산 성능이 최고조에 이르는 것으로 나타났다. 이는 '혼돈의 가장자리' 이론을 뒤집는 것으로, 최적의 계산 성능이 히프 분기 동역학과 연관되어 있음을 시사한다.

ABSTRACT

Herein, the Karman vortex system is considered to be a large recurrent neural network, and the computational capability is numerically evaluated by emulating nonlinear dynamical systems and the memory capacity. Therefore, the Reynolds number dependence of the Karman vortex system computational performance is revealed and the optimal computational performance is achieved near the critical Reynolds number at the onset of Karman vortex shedding, which is associated with a Hopf bifurcation. Our finding advances the understanding of the relationship between the physical properties of fluid dynamics and its computational capability as well as provides an alternative to the widely believed viewpoint that the information processing capability becomes optimal at the edge of chaos.

연구 동기 및 목표

• 유체역학의 정보처리 능력, 특히 소용류 발생의 맥락에서의 성능을 조사하기 위해.
• 리저보아 컴퓨팅(PRC)을 위한 물리적 리저보아로서 카르만 소용류 시스템의 성능을 평가하기 위해.
• 레이놀즈 수가 유체 기반 계산의 계산 성능에 미치는 영향을 규명하기 위해.
• 최적의 계산이 '혼돈의 가장자리'에서 발생한다는 널리 퍼진 믿음을 도전하기 위해, 성능 최고조가 도달하는 물리적 메커니즘인 히프 분기를 규명하기 위해.
• 내비에르-스토크스 기반 시뮬레이션을 사용하여 복잡한 유체역학을 분석하고 기계학습 작업에 활용할 수 있음을 입증하기 위해.

제안 방법

• 실린더를 둘러싼 유동에서 생성된 카르만 소용류 시스템은 압축성 없는 내비에르-스토크스 방정식을 안정화된 유한요소 방법(LG 방법)을 사용하여 모델링된다.
• 입력 신호는 경계에서 시간에 따라 변하는 유입 속도를 통해 적용되며, 소용류 역학을 조절한다.
• 리저보아는 유체 영역 내의 공간 노드에서 구성되며, 각 노드의 속도 및 압력 장이 리저보아 상태를 형성한다.
• 에코 상태 성질(ESP)을 평가하여 시스템의 입력에 대한 민감성과 내부 역학의 안정성을 확보한다.
• 선형 독해 가중치를 리저보아 상태에 대해 훈련하여 비선형 함수 근사 및 시계열 예측과 같은 벤치마크 작업을 수행한다.
• 메모리 용량과 비선형 함수 근사 정확도를 측정하여 다양한 레이놀즈 수에서의 계산 성능을 정량화한다.

실험 결과

연구 질문

• RQ1 카르만 소용류 시스템은 정보 처리를 위한 리저보아로 충분한 역학적 다이나믹스를 갖추고 있는가?
• RQ2 레이놀즈 수에 따라 유체 리저보아의 계산 성능는 어떻게 변화하는가?
• RQ3 계산 능력이 최고조에 이르는 최적의 레이놀즈 수가 존재하는가? 만약 존재한다면, 그 배경이 되는 물리적 메커니즘은 무엇인가?
• RQ4 최고 성능는 '혼돈의 가장자리'에서 발생하는가, 아니면 다른 역학적 영역에서 발생하는가?
• RQ5 내비에르-스토크스 시스템은 복잡한 유체역학을 시뮬레이션하고 리저보아 컴퓨팅 작업을 분석하는 데 효과적으로 사용될 수 있는가?

주요 결과

• 카르만 소용류 시스템은 소용류 발생의 임계 레이놀즈 수 근처에서 최적의 계산 성능를 발휘하며, 이는 히프 분기와 정확히 일치한다.
• 최고의 메모리 용량과 비선형 함수 근사 정확도는 혼돈 동역학과 관련된 높은 레이놀즈 수가 아닌, 정확히 히프 분기 지점에서 발생한다.
• 에코 상태 성질(ESP)은 분기 지점 근처에서도 유지되어 안정적이고 입력에 민감한 리저보아 역학을 나타낸다.
• 이중 소용류의 장축 진동은 입력 신호에 의해 강하게 조절되며, 이는 정보 인코딩을 위한 측정 가능한 역학적 반응을 제공한다.
• 높은 레이놀즈 수에서는 과도한 난류로 인해 예측 가능하고 안정적인 리저보아 역학이 파괴되어 계산 성능이 저하된다.
• 안정화된 LG 유한요소 방법을 사용한 수치 시뮬레이션은 소용류의 세밀한 시공간 역학과 입력에 대한 반응을 성공적으로 캡처하여 정확한 성능 평가를 가능하게 하였다.