[논문 리뷰] Parallel optimization for large eddy simulations

Chaitanya Talnikar, Patrick Blonigan외 2명|arXiv (Cornell University)|2014. 10. 31.

Advanced Multi-Objective Optimization Algorithms참고 문헌 12인용 수 5

한 줄 요약

이 논문은 고비용 및 노이즈가 있는 목적 함수를 가진 대규모 난류 시뮬레이션(Large Eddy Simulation, LES) 기반 설계 최적화를 가속화하기 위해 스냅싱(snapming)과 기대 분위수 향상(Expected Quantile Improvement, EQI)을 통합한 병렬 베이지안 최적화 프레임워크를 제안한다. 이는 수천 개의 코어를 효율적으로 활용하고 유사 설계의 시뮬레이션을 재사용함으로써 난류 채널 흐름에서 항력 감소와 터빈 후류 가장자리 설계에서 열전달과 압력 손실을 각각 17%와 21% 감소시킨다.

ABSTRACT

We developed a parallel Bayesian optimization algorithm for large eddy simulations. These simulations challenge optimization methods because they take hours or days to compute, and their objective function contains noise as turbulent statistics that are averaged over a finite time. Surrogate based optimization methods, including Bayesian optimization, have shown promise for noisy and expensive objective functions. Here we adapt Bayesian optimization to minimize drag in a turbulent channel flow and to design the trailing edge of a turbine blade to reduce turbulent heat transfer and pressure loss. Our optimization simultaneously runs several simulations, each parallelized to thousands of cores, in order to utilize additional concurrency offered by today's supercomputers.

연구 동기 및 목표

• 고비용 및 통계적 샘플링 오차가 존재하는 비싼, 노이즈가 많은 대규모 난류 시뮬레이션(Large Eddy Simulation, LES) 최적화 문제를 해결하기 위해.
• 초고성능 컴퓨터에서 수천 개의 코어를 활용한 대규모 병렬 처리를 기반으로 확장 가능한 최적화 프레임워크를 개발하기 위해.
• 유사한 설계의 시뮬레이션을 재사용하는 '스냅싱' 전략을 통해 비용이 많이 드는 LES 평가 횟수를 줄이기 위해.
• 표준 기대 향상(Expected Improvement, EI) 대비 기대 분위수 향상(Expected Quantile Improvement, EQI)을 사용해 노이즈가 있는 블랙박스 최적화의 수렴성과 강건성을 향상시키기 위해.
• 두 가지 LES 기반 설계 문제에 대한 프레임워크의 효과성을 입증하기 위해: 난류 채널 흐름에서의 항력 최소화 및 터빈 후류 가장자리 최적화.

제안 방법

• 유한 시간 평균에서 발생하는 이방성 노이즈를 반영하여, 노이즈가 있는 LES 목적 함수를 모델링하기 위해 가우시안 프로세스(Gaussian Processes, GPs)를 활용한 베이지안 최적화를 적응적으로 적용한다.
• 다양한 설계에서 노이즈 수준이 변동하는 환경에서 탐색과 이용의 균형을 이루기 위해 기대 분위수 향상(Expected Quantile Improvement, EQI) 기준을 사용한다.
• 이미 시뮬레이션된 바와 유사한 설계일 경우, 해당 설계의 시뮬레이션을 계속 진행하는 '스냅싱' 전략을 구현하여, 반복적인 일시적 단계 시뮬레이션을 방지한다.
• 여러 설계를 동시에 병렬 평가할 수 있도록 설계하여, 수천 개의 코어를 활용해 자원 활용도를 극대화한다.
• 부드러운 서rogate 모델을 보장하기 위해 GP에 제곱 지수 커널을 사용하고, 베이지안 모델 선택을 통해 하이퍼파rameter를 조정한다.
• GP 사후 평균과 분산에서 유도된 해석적 형태를 가진 EQI 획득 함수를 사용해 다음 설계를 선택한다.

실험 결과

연구 질문

• RQ1 병렬 베이지안 최적화 프레임워크는 샘플링 노이즈에 강건하면서도 비용이 많이 드는 LES 평가 횟수를 줄일 수 있는가?
• RQ2 유사한 설계의 시뮬레이션을 재사용하는 '스냅싱' 전략은 반복적인 일시적 단계 계산을 방지하는 데 얼마나 효과적인가?
• RQ3 LES에서 흔히 발생하는 이질적인 노이즈 환경에서, 기대 분위수 향상(Expected Quantile Improvement, EQI) 기준은 표준 기대 향상(Expected Improvement, EI)보다 얼마나 뛰어나게 작용하는가?
• RQ4 이 프레임워크는 제한된 계산 자원으로도 난류 흐름 설계 목표, 예를 들어 항력 감소 및 열전달 최소화에 있어 상당한 향상을 이룰 수 있는가?
• RQ5 현대 초고성능 컴퓨터에서 이 프레임워크는 수천 개의 코어로 어떻게 확장되어 LES 기반 최적화를 가속화하는가?

주요 결과

• 터빈 후류 가장자리 설계에서 열전달은 17% 감소하고, 압력 손실 계수는 21% 감소하여 기준 설계 대비 성능 향상이 뚜렷했다.
• 최적화기에서 최종 설계에 두 번 스냅싱이 발생하여, 유사 설계의 시뮬레이션을 재사용하는 것이 새로운 시뮬레이션을 시작하는 것보다 더 효율적임을 시사했다.
• 최적화된 설계는 압력면에서 난류 분리점의 위치를 유연하게 후류로 이동시켜 혼합층을 안정화시키고, 난류 영역으로의 뜨거운 유체 유입을 줄였다.
• 최적화된 기하학적 형상은 후류에서 공명 구조를 제거하여 대규모 혼합을 감소시키고, 압력 손실을 낮추는 데 기여했다.
• EQI의 사용 덕분에 표준 EI 대비 변동 노이즈 수준을 더 잘 다룰 수 있었고, 노이즈가 많은 LES 평가 환경에서 수렴성이 향상되었다.
• 프레임워크는 수천 개의 코어로 성공적으로 확장되어 병렬적으로 여러 설계를 평가하고 최적화 과정을 가속화했다.