[논문 리뷰] Global Sensitivity Analysis via Multi-Fidelity Polynomial Chaos Expansion

Pramudita Satria Palar, Lavi Rizki Zuhal외 2명|arXiv (Cornell University)|2017. 10. 23.

Probabilistic and Robust Engineering Design참고 문헌 44인용 수 4

한 줄 요약

이 논문은 스펙트럼 투영과 희소 격자 통합을 통해 저신뢰도 및 보정 PCE 모델을 결합함으로써 전역 민감도 분석을 가속화하는 다중 신뢰도 다항 chaos 전개(MF-PCE) 프레임워크를 제안한다. 비점성 초음속 날개 형상의 경우 다섯 개인 불확실 매개변수를 가진 상황에서 단일 신뢰도 PCE에 비해 계산 비용을 63.34% 감소시켰으며(단일 신뢰도 PCE의 36.66%로), 높은 정확도를 유지하였다.

ABSTRACT

The presence of uncertainties are inevitable in engineering design and analysis, where failure in understanding their effects might lead to the structural or functional failure of the systems. The role of global sensitivity analysis in this aspect is to quantify and rank the effects of input random variables and their combinations to the variance of the random output. In problems where the use of expensive computer simulations are required, metamodels are widely used to speed up the process of global sensitivity analysis. In this paper, a multi-fidelity framework for global sensitivity analysis using polynomial chaos expansion (PCE) is presented. The goal is to accelerate the computation of Sobol sensitivity indices when the deterministic simulation is expensive and simulations with multiple levels of fidelity are available. This is especially useful in cases where a partial differential equation solver computer code is utilized to solve engineering problems. The multi-fidelity PCE is constructed by combining the low-fidelity and correction PCE. Following this step, the Sobol indices are computed using this combined PCE. The PCE coefficients for both low-fidelity and correction PCE are computed with spectral projection technique and sparse grid integration. In order to demonstrate the capability of the proposed method for sensitivity analysis, several simulations are conducted. On the aerodynamic example, the multi-fidelity approach is able to obtain an accurate value of Sobol indices with 36.66% computational cost compared to the standard single-fidelity PCE for a nearly similar accuracy.

연구 동기 및 목표

• 고비용 PDE 해석기를 포함하는 고신뢰도 공학 시뮬레이션에서 전역 민감도 분석의 계산 부담을 줄이기 위해.
• 저신뢰도 및 보정 모델을 활용하여 고신뢰도 출력 분산을 효율적으로 근사하는 다중 신뢰도 PCE 프레임워크를 개발하기 위해.
• 반복적인 고신뢰도 평가가 필요 없이 통합 MF-PCE 모델을 사용해 정확한 Sobol 민감도 인덱스를 계산하기 위해.
• 대수적 및 공학적 테스트 케이스 전반에서 MF-PCE와 단일 신뢰도 PCE 간의 효율성과 정확도의 상호 교환 관계를 평가하기 위해.
• 특히 신뢰도 상관관계와 비용 비율 측면에서 MF-PCE가 단일 신뢰도 PCE를 상회하는 데 유의미한 계산적 이점을 제공하는 조건을 규명하기 위해.

제안 방법

• 저신뢰도 시뮬레이션에 스펙트럼 투영과 희소 격자 통합을 적용하여 저신뢰도 PCE를 구축한다.
• 동일한 스펙트럼 투영 기법을 사용하여 고신뢰도 및 저신뢰도 출력 간의 오차를 모델링함으로써 보정 PCE를 구축한다.
• 저신뢰도 PCE와 보정 PCE를 통합하여 고신뢰도 응답을 근사하는 단일 다중 신뢰도 PCE 모델을 구성한다.
• 통합 MF-PCE의 계수에서 직접적으로 Sobol 민감도 인덱스를 후처리 단계에서 계산한다.
• 고차원 입력 공간에서의 효율적 통합을 위해 희소 격자 적분을 사용하여 정확한 계수 추정을 가능하게 한다.
• 계수 감쇠 분석을 통한 적응형 샘플링 원리를 암묵적으로 적용하여 모델 복잡도 및 신뢰도 선택을 안내한다.

실험 결과

연구 질문

• RQ1 다중 신뢰도 PCE는 공학 문제에서 계산 비용을 크게 줄이면서도 정확도를 유지할 수 있는가, 특히 고비용 시뮬레이션을 포함한 경우에 대해?
• RQ2 저신뢰도 및 고신뢰도 모델 간 상관관계가 MF-PCE를 통해 계산된 Sobol 인덱스의 정확도에 어떤 영향을 미치는가?
• RQ3 계산 비용을 최소화하면서도 공학 수준의 정확도를 확보하기 위해 저신뢰도 및 보정 모델의 복잡도 사이의 최적 균형은 무엇인가?
• RQ4 MF-PCE가 단일 신뢰도 PCE에 비해 계산 효율성과 오차 감소 측면에서 어떤 조건에서 뛰어난 성능을 보이는가?
• RQ5 PCE 계수의 감쇠 패턴은 MF-PCE 적용에 있어 효과적인 저신뢰도 모델 선택에 어떤 정보를 제공할 수 있는가?

주요 결과

• 다섯 개의 불확실 매개변수를 가진 비점성 초음속 날개 형상의 경우, MF-PCE 방법은 단일 신뢰도 PCE와 거의 동일한 정확도를 달성하면서도 계산 비용을 단일 신뢰도 PCE의 36.66%로 줄였다.
• 평균 절대 상대 오차(MARE)는 감소하고 결정 계수(r²)는 향상되어, 신뢰도 수준이 높아질수록 더 나은 수렴성과 정확도를 나타내었다.
• 저신뢰도 및 고신뢰도 모델 간 상관계수가 1에 가까울 경우, 저신뢰도 PCE만으로도 고신뢰도 PCE의 Sobol 인덱스와 거의 동일한 결과를 도출하였으며, 이는 추가적인 비용 절감 가능성을 시사한다.
• 보정 PCE 모델은 고신뢰도 PCE에 비해 훨씬 덜 복잡하여, 이 맥락에서 저신뢰도 모델이 다중 신뢰도 모델링에 적합한 기반임을 시사한다.
• 계수의 크기가 작은 다항식 항들(40번째 항 이후)에서는 저신뢰도 및 고신뢰도 PCE 간의 분리가 발생하였으며, 이는 보정 PCE가 고신뢰도 행동을 포괄하는 데 핵심적인 역할을 한다는 것을 강조한다.
• 저신뢰도 및 고신뢰도 함수 간 계산 비용 비율이 1/4 이하일 경우에만 MF-PCE가 단일 신뢰도 PCE보다 순수한 효율성 향상을 제공할 수 있다.