[논문 리뷰] Mori-Zwanzig reduced models for uncertainty quantification I: Parametric uncertainty

Panagiotis Stinis|arXiv (Cornell University)|2012. 11. 19.

Probabilistic and Robust Engineering Design참고 문헌 7인용 수 10

한 줄 요약

이 논문은 다항 chaos 전개를 사용하여 시간에 따라 변화하는 시스템의 매개변수 불확실성에 대한 불확실성 정량화를 위한 모리-츠반직(Mori-Zwanzig, MZ) 형식 기반 감소 모델을 제안한다. 기억 항을 일반 미분 방정식으로 재구성하여 고비용의 커플레시언 적분을 피하고, 선형 안정성 기준을 통해 안정적이고 매개변수 없는 기억 길이 추정을 가능하게 하였다. 이는 점성 버거스 방정식에 대한 불확실한 점성계수를 대상으로 검증되었다.

ABSTRACT

In many time-dependent problems of practical interest the parameters entering the equations describing the evolution of the various quantities exhibit uncertainty. One way to address the problem of how this uncertainty impacts the solution is to expand the solution using polynomial chaos expansions and obtain a system of differential equations for the evolution of the expansion coefficients. We present an application of the Mori-Zwanzig formalism to the problem of constructing reduced models of such systems of differential equations. In particular, we construct reduced models for a subset of the polynomial chaos expansion coefficients that are needed for a full description of the uncertainty caused by the uncertain parameters. We also present a Markovian reformulation of the Mori-Zwanzig reduced equation which replaces the solution of the orthogonal dynamics equation with an infinite hierarchy of ordinary differential equations. The viscous Burgers equation with uncertain viscosity parameter is used to illustrate the construction. For this example we provide a way to estimate the necessary parameters that appear in the reduced model without having to solve the full system.

연구 동기 및 목표

• 시간에 따라 변화하는 PDE/ODE에서 불확실한 매개변수를 가진 고차원 불확실성 정량화의 과제를 다루기.
• 매개변수 불확실성을 효율적으로 기술하기 위해 다항식 혼합 전개 계수의 부분집합을 위한 감소 모델을 개발하기.
• MZ 형식에서 기억 적분 계산의 계산 부담을 줄이기 위해 기억 항을 ODE로 재구성함으로써 해결하기.
• 전체 시스템을 풀지 않고도 감소 모델의 선형 안정성 제약 조건을 이용해 기억 커널 매개변수를 추정하기.
• 불확실한 점성계수를 가진 점성 버거스 방정식에 대해 방법을 적용하여 안정적이고 정확한 감소 동역학을 보여주기.

제안 방법

• 불확실한 매개변수를 가진 PDE/ODE에 다항식 혼합 전개를 적용하여 전개 계수에 대한 결정론적 ODE 시스템으로 변환하기.
• 모리-츠반직 형식을 사용하여 전체 시스템을 해상 변수(예: 저차수 다항식 혼합 모드)의 집합으로 투영하기.
• 기존의 적분-미분 형태의 MZ 방정식을 기억 항에 대한 일반 미분 방정식 시스템으로 재구성하여 커플레시언 적분을 피하기.
• 기억 커널 매개변수(예: 감쇠 시간 $t_0, t_1$)를 선형 안정성 조건을 만족시키도록 추정하기. 특히 기억 행렬이 음의 정부호이어야 한다는 조건을 요구함.
• 점성 버거스 방정식을 시험 케이스로 사용: 점성 불확실성은 선형 및 비선형 기억 기여를 유도하며, 순차적 매개변수 추정을 통해 그룹화되고 안정화됨.
• 기억 감쇠 시간이 고차수 항에서 감소할 경우 단기 기억 근사법을 적용하고, 수치적 일致성 검증을 통해 검증함.

실험 결과

연구 질문

• RQ1 매개변수 불확실성이 있는 시스템에 대해 모리-츠반직 형식이 어떻게 감소 모델을 구성하는 데 적응될 수 있는가?
• RQ2 전체 시스템을 풀지 않고도 MZ 형식의 기억 항을 계산할 수 있는가? 특히 전체 시뮬레이션 수행이 불가능한 경우에 대해.
• RQ3 매개변수 불확실성에 대한 감소 모델에서 기억 커널의 길이와 구조를 추정하는 데 사용할 수 있는 기준은 무엇인가?
• RQ4 비선형 및 선형 기여가 존재할 때 감소 모델의 안정성이 기억 매개변수 추정에 어떤 제약을 가하는가?
• RQ5 단기 기억 근사법이 언제 유효하고, 언제 고차수 항에 따라 기억 감쇠 시간을 늘여야 하는가?

주요 결과

• 재구성된 MZ 형식은 기억 적분을 ODE로 변환하여 전체 시스템을 풀지 않고도 기억 항을 효율적으로 계산할 수 있게 한다.
• 기억 커널 매개변수(예: $t_0, t_1$)는 기억 행렬이 음의 정부호이어야 한다는 선형 안정성 기준을 통해 순차적으로 추정할 수 있다.
• 불확실한 점성계수를 가진 점성 버거스 방정식에 대해, 이 방법은 계산 비용을 줄이며 불확실성 전파를 성공적으로 포착한다.
• 기억 감쇠 시간이 고차수 항에서 감소할 경우에도 안정적인 감소 모델을 유지할 수 있어 단기 기억 근사법의 적용을 지원한다.
• 기억 감쇠 시간이 차수에 따라 증가하는 경우(예: 선형 감쇠 ODE), 높은 차수 항에서 $t_0$를 증가시켜 정확도를 유지해야 한다는 점을 제안한다.
• 이 프레임워크는 나비에-스톡스 방정식과 같은 점성 소산을 포함하는 다른 방정식으로 확장 가능하며, 불확실성과 물리적 상태 양쪽에 대한 이중 수준 감소 모델과도 조합 가능하다.