[논문 리뷰] Multilevel Monte Carlo for uncertainty quantification in structural engineering

Philippe Blondeel, Pieterjan Robbe외 3명|arXiv (Cornell University)|2018. 08. 31.

Probabilistic and Robust Engineering Design참고 문헌 25인용 수 6

한 줄 요약

이 논문은 유한요소 해석과 결합된 다수준 몬테카를로(MLMC) 프레임워크를 제안하여 구조공학 문제에서의 불확실성 정량화를 효율적으로 수행한다. 특히 랜덤한 영률 모odulus를 가진 빔 모델에서 적용된다. 메쉬 정밀도의 계층적 구조를 활용함으로써 MLMC는 표준 몬테카를로 대비 수십 배에서 수백 배 이상의 속도 향상을 달성하며, 정적, 동적, 비탄성 구조 반응에 대해 균일하고 비균일한 재료 모델 모두에서 정확한 불확실성 경계를 유지하면서 계산 비용을 크게 감소시킨다.

ABSTRACT

Practical structural engineering problems often exhibit a significant degree of uncertainty in the material properties being used, the dimensions of the modeled structures, etc. In this paper, we consider a cantilever beam and a beam clamped at both ends, both subjected to a static and a dynamic load. The material uncertainty resides in the Young's modulus, which is modeled by means of one random variable, sampled from a univariate Gamma distribution, or with multiple random variables, sampled from a Gamma random field. Three different responses are considered: the static elastic, the dynamic elastic and the static elastoplastic response. In the first two cases, we simulate the spatial displacement of a concrete beam and its frequency response in the elastic domain. The third case simulates the spatial displacement of a steel beam in the elastoplastic domain. In order to compute the statistical quantities of the static deflection and frequency response function, Multilevel Monte Carlo (MLMC) is combined with a Finite Element solver. In this paper, the computational costs and run times of the MLMC method are compared with those of the classical Monte Carlo method, demonstrating a significant speedup of up to several orders of magnitude for the studied cases.

연구 동기 및 목표

• 구조공학 분야에서 전통적인 몬테카를로 방법의 높은 계산 비용 문제를 해결하기 위해.
• 다양한 재료 불확실성 표현 방식(단변량 및 랜덤장 표현)을 고려한 다수준 몬테카를로(MLMC)를 구조역학 문제에 적용하기 위해.
• 정적, 동적, 비탄성 반응에 대해 표준 몬테카를로와의 계산 비용 및 정확도 측면에서 MLMC의 성능을 비교하기 위해.
• 균일한 재료와 비균일한 재료의 영률 모odulus가 반응 불확실성에 미치는 영향을 시각화하고 분석하기 위해.
• 복잡한 구조 시뮬레이션에서 분산 감소 및 수렴 속도 향상 측면에서 MLMC의 효과성을 검증하기 위해.

제안 방법

• MLMC 방법은 유한요소 이산화의 계층적 구조를 사용하며, 거친 메쉬는 많은 저비용 샘플에, 미세한 메쉬는 적은 고비용 샘플에 사용된다.
• 균일한 경우 영률 모odulus는 단변량 감마 분포로 모델링되고, 비균일한 경우는 가우시안 필드의 절삭된 카르누엔-뢰브 전개를 통해 생성된 감마 랜덤 필드로 모델링된다.
• 해당 방법은 연속된 수준 간의 차이를 계산함으로써 분산 감소를 구현하며, 이는 미세한 해와 거친 해의 차이가 미세한 해만을 고려할 때보다 분산이 낮다는 사실을 활용한다.
• 차이의 분산이 충분히 작지 않은 경우 동적 보정 전략을 적용하며, 이는 분산 비율의 log2 기반 임계값 기반 메쉬 정밀도 기준에 기반한다.
• 유한요소 해석기구를 사용하여 정적 처짐, 주파수 응답 함수, 바닐라스 항복 기준과 등방성 피로화를 고려한 비탄성 조건 하의 힘-처짐 곡선 등의 반응을 계산한다.
• 알고리즘은 적응형 샘플링을 통해 구현되며, 각 수준의 샘플 수는 주어진 정확도에서 총 계산 비용을 최소화하도록 최적화된다.

실험 결과

연구 질문

• RQ1 재료 불확실성이 있는 구조공학 문제에서 다수준 몬테카를로(MLMC)가 표준 몬테카를로와 비교해 계산 비용과 수렴 속도 측면에서 어떻게 성능을 발휘하는가?
• RQ2 영률 모odulus를 균일한 랜덤 변수로 모델링할 경우와 비균일한 랜덤 필드로 모델링할 경우, 구조 반응의 불확실성에 어떤 영향을 미치는가?
• RQ3 MLMC 방법이 분산 감소를 효과적으로 수행하지 못하는 상황는 언제이며, 이를 어떻게 완화할 수 있는가?
• RQ4 다양한 재료 불확실성 모델 하에서 정적 처짐, 주파수 응답 함수, 비탄성 힘-처짐 곡선의 불확실성 경계는 어떻게 변화하는가?
• RQ5 동적 및 비탄성 구조 반응에 대해 MLMC가 계산 효율성을 유지하면서 효과적으로 적용될 수 있는가?

주요 결과

• 같은 정확도에서 MLMC는 표준 몬테카를로 대비 수십 배에서 수백 배 이상의 속도 향상을 달성하며, 일반적으로 중간 정확도에서 약 10배 정도의 속도 향상이 이루어진다.
• 같은 정확도에서 MLMC의 정규화된 계산 비용은 표준 몬테카를로보다 현저히 낮으며, 특히 높은 정확도 요구 사항에서 더욱 두드러진다.
• 영률 모odulus를 균일한 랜덤 변수로 모델링할 경우, 공진 주파수에 대한 일관된 이동이 모든 샘플에 걸쳐 발생하여 주파수 응답 함수의 불확실성 경계가 넓고 산재하게 나타난다.
• 영률 모odulus가 비균일할 경우, 샘플 간 상쇄 효과로 인해 총 분산이 감소하여 불확실성 경계가 좁아진다.
• 비균일한 재료 필드를 가진 동적 탄성 반응에서 공진 주파수 근처에서는 MLMC의 분산 감소 효과가 붕괴되며, 이에 따라 동적 메쉬 정밀도 기반 전략이 필요하다.
• 제안된 임계값 기반 메쉬 정밀도 전략(분산 비율의 log2 기반 임계값 2.3)은 문제 발생 주파수 영역에서 MLMC의 효율성을 효과적으로 복원한다.