[논문 리뷰] On-the-fly algorithm for Dynamic Mode Decomposition using Incremental Singular Value Decomposition and Total Least Squares

Daiki Matsumoto, Thomas Indinger|arXiv (Cornell University)|2017. 03. 31.

Fluid Dynamics and Vibration Analysis참고 문헌 12인용 수 13

한 줄 요약

이 논문은 증분 특이값 분해(SVD)와 총 최소 제곱법을 사용하여 실시간 DMD 분석을 가능하게 하고 최소한의 메모리 사용을 보장하는 실시간 동작 알고리즘인 증분 총 동적 모드 분해(Incremental TDMD)를 제안한다. 이 알고리즘은 전체 스냅샷 데이터를 저장하지 않고도 스파arsity 유도 DMD(SPDMD)를 후처리로 적용하여 주요 유동 구조를 식별할 수 있도록 하며, 기존의 TDMD+SPDMD와 유사한 성능을 달성하면서도 계산 및 저장 요구량을 크게 줄인다.

ABSTRACT

Dynamic Mode Decomposition (DMD) is a useful tool to effectively extract the dominant dynamic flow structure from a unsteady flow field. However, DMD requires massive computational resources with respect to memory consumption and the usage of storage. In this paper, an alternative incremental algorithm of Total DMD (Incremental TDMD) is proposed which is based on Incremental Singular Value Decomposition (SVD). The advantage of Incremental TDMD compared to the existing on-the-fly algorithms of DMD is that Sparsity-Promoting DMD (SPDMD) can be performed after the incremental process without saving huge datasets on the disk space. SPDMD combined with Incremental TDMD enable the effective identification of dominant modes which are relevant to the results from conventional TDMD combined with SPDMD.

연구 동기 및 목표

• 대규모 CFD 시뮬레이션에서 기존의 동적 모드 분해(DMD)의 높은 메모리 및 저장 요구량을 해결하기 위해.
• 전체 스냅샷 데이터셋을 저장하지 않고도 CFD 시뮬레이션 중 실시간으로 DMD 계산을 가능하게 하기 위해.
• 주요 유동 구조를 효율적으로 식별할 수 있도록 스파arsity 유도 DMD(SPDMD)와 호환되는 증분 알고리즘을 개발하기 위해.
• 모드 추출 및 진폭 계산의 정확성을 유지하면서도 계산 오버헤드를 줄이기 위해.
• 증분 처리에도 불구하고 기존의 TDMD+SPDMD와 유사한 DMD 모드와 진폭을 도출할 수 있음을 입증하기 위해.

제안 방법

• 증강 스냅샷 행렬의 특이벡터와 특이값에만 의존하는 총 DMD의 대안적 공식화(대체 TDMD)를 제안하여 명시적 행렬 역행렬 계산을 피한다.
• 신규 유동 스냅샷이 도착함에 따라 SVD 분해를 증분적으로 업데이트하는 증분 SVD를 통합하여 실시간 처리를 가능하게 한다.
• 유동장 데이터의 노이즈에 대한 강건성을 향상시키기 위해 총 최소 제곱법을 사용하여 모드 품질을 향상시킨다.
• 증분 처리 후 스파arsity 유도 DMD(SPDMD)를 적용하여 근사 오차와 모드 수의 균형을 맞추는 볼록 최적화 문제를 풀어 주요 모드를 식별한다.
• 명시적인 큰 왼쪽 특이벡터 저장을 방지하기 위해 효율적인 SVD 계산을 위한 스냅샷 방법을 사용한다.
• 첫 번째 스냅샷을 기반으로 수정된 스케일링 방법을 사용하여 큰 행렬의 의사역행렬 계산 없이도 효율적인 계산을 가능하게 한다.

실험 결과

연구 질문

• RQ1 전체 스냅샷 데이터를 저장하지 않으면서도 기존 DMD와 유사한 정확도를 유지할 수 있는 실시간 DMD 알고리즘을 설계할 수 있는가?
• RQ2 증분 TDMD는 전체 데이터셋 저장이 필요 없이 SPDMD를 후처리로 적용하여 주요 모드 식별을 가능하게 할 수 있는가?
• RQ3 증분 TDMD에서 도출된 DMD 모드와 진폭의 정확도는 기존의 TDMD+SPDMD와 비교해 어떻게 되는가?
• RQ4 증분 SVD는 추출된 DMD 모드의 공간 분포와 주파수 성분에 어떤 영향을 미치는가?
• RQ5 증분 TDMD와 대체 TDMD 간의 진폭 및 모드 구조 차이가 모드 분할에 의해 설명될 수 있는가?

주요 결과

• 증분 TDMD는 기존의 TDMD와 SPDMD를 조합한 결과와 매우 유사한 DMD 모드 진폭과 공간 분포를 생성하여 정확도를 검증한다.
• 증분 TDMD 후처리에 적용된 SPDMD는 기존 방법과 유사한 주파수 성분을 가진 주요 모드를 성공적으로 식별한다.
• 진폭 분포의 미세한 차이가 존재하더라도, 증분 TDMD의 주요 모드는 유사한 주파수에서 대체 TDMD의 모드와 일치하며, 일관된 동적 행동를 나타낸다.
• 이 방법은 전체 스냅샷 데이터를 디스크나 메모리에 저장하지 않기 때문에 메모리 사용이 크게 감소한 실시간 DMD 분석을 가능하게 한다.
• 증분 SVD 과정을 통해 왼쪽 특이벡터의 명시적 저장 없이도 DMD 모드를 효율적으로 계산할 수 있으며, 계산 오버헤드를 줄인다.
• 수정된 진폭 스케일링 방법을 통해 큰 DMD 모드 행렬의 의사역행렬 계산을 피하여 계산 효율성을 향상시킨다.