[논문 리뷰] Structure-Preserving Model Reduction of Forced Hamiltonian Systems

Liqian Peng, Kamran Mohseni|arXiv (Cornell University)|2016. 03. 11.

Model Reduction and Neural Networks참고 문헌 16인용 수 5

한 줄 요약

이 논문은 강제 힘을 가진 해밀턴 시스템에 대해 적절한 심플렉틱 분해(PSD)를 사용한 구조 유지 모델 축소 방법을 제안한다. 이 방법은 원래 시스템의 심플렉틱 구조, 강제 동역학, 에너지 행동을 유지한다. 표준 적절한 직교 분해(POD)와 달리, 변분 및 투영 기반 공식화를 통해 데 알렘베르의 원리를 강제로 이행함으로써 장기적 안정성과 물리적 일致성을 보장한다. 수치 결과는 소산성 파동 방정식에서 우수한 안정성과 정확성을 보여준다.

ABSTRACT

This paper reports a development in the proper symplectic decomposition (PSD) for model reduction of forced Hamiltonian systems. As an analogy to the proper orthogonal decomposition (POD), PSD is designed to build a symplectic subspace to fit empirical data. Our aim is two-fold. First, to achieve computational savings for large-scale Hamiltonian systems with external forces. Second, to simultaneously preserve the symplectic structure and the forced structure of the original system. We first reformulate d'Alembert's principle in the Hamiltonian form. Corresponding to the integral and local forms of d'Alembert's principle, we propose two different structure-preserving model reduction approaches to reconstruct low-dimensional systems, based on the variational principle and on the structure-preserving projection, respectively. These two approaches are proven to yield the same reduced system. Moreover, by incorporating the vector field into the data ensemble, we provided several algorithms for energy preservation. In a special case when the external force is described by the Rayleigh dissipative function, the proposed method automatically preserves the dissipativity, boundedness, and stability of the original system. The stability, accuracy, and efficiency of the proposed method are illustrated through numerical simulations of a dissipative wave equation.

연구 동기 및 목표

• 대규모 강제 해밀턴 시스템의 물리적 구조를 유지하는 모델 축소 기법을 개발하기 위해.
• 감소된 모델이 심플렉틱 구조, 에너지 보존, 안정성을 유지하도록 보장하며, 표준 POD와 달리 불안정하거나 비물리적인 결과를 유도할 수 있음을 방지하기 위해.
• 레일리 소산 함수를 통합하여 소산성 시스템으로까지 심플렉틱 모델 축소를 확장함으로써 소산성과 유계성을 유지하기 위해.
• 동일한 복잡도를 가지지만 더 높은 물리적 정확성을 제공하는 POD에 대한 계산적으로 효율적인 대안을 제공하기 위해.
• 표준 좌표를 통해 데 알렘베르의 원리를 만족하는 모든 기계 시스템에 적용 가능한 프레임워크를 수립하기 위해.

제안 방법

• 데 알렘베르의 원리를 해밀턴 형태로 재구성하여 원리를 만족하는 강제 해밀턴 방정식을 유도하기 위해.
• 두 가지 구조 유지 축소 접근법을 제안: 하나는 변분 원리에 기반하고 다른 하나는 구조 유지 투영에 기반하며, 둘 다 동일한 감소된 시스템을 도출한다.
• 실험 데이터에 적합하기 위해 적절한 심플렉틱 기저를 구성하기 위해 적절한 심플렉틱 분해(PSD)를 통해 심플렉틱 부분공간을 구성한다. 이는 POD와 유사하지만 심플렉틱 기하학을 유지한다.
• 감소된 모델에서 시스템 에너지의 시간 도함수를 유지하기 위해 벡터장을 데이터 집합에 통합한다.
• 레일리 소산 함수를 사용하여 감소된 시스템에서 소산성, 유계성, 리아푸노프 안정성을 자동으로 유지한다.
• 일차원 소산성 파동 방정식에 대해 PSD 방법을 적용하여 안정성, 정확성, 계산 효율성을 검증한다.

실험 결과

연구 질문

• RQ1 강제 해밀턴 시스템의 모델 축소가 장기적 안정성을 보장하면서도 심플렉틱 구조와 강제 동역학을 유지할 수 있는가?
• RQ2 소산성 시스템에서 에너지와 안정성을 유지하는 데 있어 PSD 방법은 POD와 비교하여 어떻게 다를까?
• RQ3 강제 해밀턴 역학의 맥락에서 변분 원리와 구조 유지 투영이 동일한 감소된 시스템을 도출할 수 있는가?
• RQ4 외부 힘이 레일리 함수를 통해 모델링될 경우, PSD가 소산성과 유계성을 유지하는 조건은 무엇인가?
• RQ5 PSD의 계산 복잡도는 POD와 유사한 반면, 더 높은 물리적 정확성을 달성할 수 있는가?

주요 결과

• PSD 방법은 심플렉틱 구조와 강제 해밀턴 동역학을 유지하여 감소된 시스템이 데 알렘베르의 원리를 만족하고, 따라서 물리적으로 일致함을 보장한다.
• 변분 원리 기반과 투영 기반 접근법이 모두 동일한 감소된 시스템을 도출함으로써 이론적 일致성을 확인한다.
• 소산성 파동 방정식의 경우, PSD는 유계성과 리아푸노프 안정성을 유지하지만, POD는 감소된 시스템에서 고유값의 실수부가 양수인 경우에 특히 낮은 확산 계수에서 불안정성을 보인다.
• β = 10⁻³일 때, 모든 테스트된 부분공간 차원 k에 대해 POD 감소 시스템은 불안정하며, Re(λ*) > 0 이다. 이는 에너지 폭발을 유도한다.
• β = 10²일 때, POD는 k = 10 및 k = 20일 경우에만 안정성을 유지하지만, PSD는 매개변수 영역에 관계없이 안정성을 보장한다.
• PSD 방법은 POD와 거의 동일한 계산 복잡도를 가지며 실시간 응용에 실용적임을 보였고, 안정성과 물리적 정확성에서 POD를 크게 능가한다.