[논문 리뷰] Rank-adaptive structure-preserving reduced basis methods for Hamiltonian systems.

Jan S. Hesthaven, Cecilia Pagliantini외 1명|arXiv (Cornell University)|2020. 07. 26.

Model Reduction and Neural Networks참고 문헌 35인용 수 5

한 줄 요약

이 논문은 파rametric Hamiltonian 시스템을 위한 랭크 적응형, 구조 유지형 모델 순서 감소 방법을 제안한다. 이 방법은 시간에 따라 변화하는 국소 감소 공간을 유지하기 위해 동적 저랭크 근사 기법을 사용하며, 해밀턴 역학의 심플렉틱 구조를 유지하면서도 정확도를 확보하기 위해 감소 기저 차원을 동적으로 조정한다. 이는 파동 상호작용, 비선형 이동 및 Vlasov 방정식을 포함한 문제들에서 전역적이고 전통적인 감소 기저 접근법에 비해 뛰어난 안정성과 높은 런타임 속도 향상을 달성한다.

ABSTRACT

This work proposes an adaptive structure-preserving model order reduction method for finite-dimensional parametrized Hamiltonian systems modeling non-dissipative phenomena. To overcome the slowly decaying Kolmogorov width typical of transport problems, the full model is approximated on local reduced spaces that are adapted in time using dynamical low-rank approximation techniques. The reduced dynamics is prescribed by approximating the symplectic projection of the Hamiltonian vector field in the tangent space to the local reduced space. This ensures that the canonical symplectic structure of the Hamiltonian dynamics is preserved during the reduction. In addition, accurate approximations with low-rank reduced solutions are obtained by allowing the dimension of the reduced space to change during the time evolution. Whenever the quality of the reduced solution, assessed via an error indicator, is not satisfactory, the reduced basis is augmented in the parameter direction that is worst approximated by the current basis. Extensive numerical tests involving wave interactions, nonlinear transport problems, and the Vlasov equation demonstrate the superior stability properties and considerable runtime speedups of the proposed method as compared to global and traditional reduced basis approaches.

연구 동기 및 목표

• 전통적인 감소 기저 방법의 효율성을 제한하는 이동 문제에서의 코모고로프 폭의 느린 감쇠를 해결하기 위해.
• 모델 순서 감소 과정에서 해밀턴 역학의 표준 심플렉틱 구조를 유지하기 위해.
• 시간 진화 중에 감소 공간의 차원을 동적으로 조정하여 해의 정확도를 유지하기 위해.
• 가장 나쁜 근사가 이루어지는 매개변수 방향에서의 적응형 기저 강화와 국소 감소 공간을 결합한 방법을 개발하기 위해.
• 비소산 시스템, 예를 들어 Vlasov 방정식과 비선형 이동 문제의 장기 시뮬레이션에서 높은 정확도와 계산 효율성을 동시에 확보하기 위해.

제안 방법

• 이 방법은 동적 저랭크 근사 기법을 사용하여 시간에 따라 진화하는 국소 감소 공간을 구성한다.
• 감소된 공간의 현재 접선 공간에 해밀턴 벡터장을 투영하여 감소된 동역학을 유도한다.
• 감소된 공간에서 표준 심플렉틱 형식을 존중하는 투영을 통해 심플렉틱 구조를 유지한다.
• 오차 지표가 정확도가 부족함을 시사할 경우 감소 기저 차원을 적응적으로 증가시키며, 가장 나쁜 근사가 이루어지는 매개변수 방향에서 기저를 강화한다.
• 해결 품질을 시간 진화 전반에 걸쳐 유지하기 위해 잔차 기반 오차 지표를 사용하여 기저 강화를 트리거한다.
• 이 방법은 매개변수 기반 모델 순서 감소와 저랭크 행렬 근사 기법을 결합하여, 진화하는 동역학에 적응하면서도 저랭크 해를 유지한다.

실험 결과

연구 질문

• RQ1 이동 지배 해밀턴 시스템에서의 코모고로프 폭의 느린 감쇠를 다룰 수 있는 구조 유지형 감소 기저 방법을 설계할 수 있는가?
• RQ2 시간에 따라 진화하는 감소 공간을 사용한 모델 순서 감소 과정에서 해밀턴 역학의 심플렉틱 구조는 어떻게 유지할 수 있는가?
• RQ3 장기 시뮬레이션에서 비소산 시스템에 대해 동적 랭크 적응이 정확도와 안정성에 얼마나 기여하는가?
• RQ4 가장 나쁜 근사가 이루어지는 매개변수 방향에서의 적응형 기저 강화는 고정 랭크 또는 전역 감소 기저 방법보다 뛰어난 성능을 낼 수 있는가?
• RQ5 파동 상호작용과 Vlasov 방정식과 같은 벤치마크 문제에서 제안된 방법은 어떤 성능 향상과 안정성 향상을 달성하는가?

주요 결과

• 제안된 방법은 특히 코모고로프 폭 감쇠가 느린 문제에서 전역적이고 전통적인 감소 기저 방법에 비해 장기 시뮬레이션에서 뛰어난 안정성을 확보한다.
• 비선형 이동 및 파동 상호작용 문제에서 효율적인 국소 감소 공간 적응 덕분에 높은 런타임 속도 향상이 관찰된다.
• 필요한 경우에만 기저를 강화함으로써 동적 랭크 적응 메커니즘이 정확도를 유지하면서 계산 오버헤드를 줄인다.
• 원래 해밀턴 시스템의 심플렉틱 구조를 유지함으로써 장기적인 에너지 보존과 정량적 정확성을 보장한다.
• Vlasov 방정식에 대한 수치 실험을 통해 이 방법이 고차원 비소산 환경에서 강건성과 효율성을 입증한다.
• 오차 지표가 기저 강화를 효과적으로 이끌어내어 최소한의 매개변수 공간 오버샘플링으로도 정확한 해를 도출한다.