[논문 리뷰] The Gaussian process modelling module in UQLab

Christos Lataniotis, Stefano Marelli외 1명|arXiv (Cornell University)|2017. 09. 27.

Probabilistic and Robust Engineering Design참고 문헌 33인용 수 9

한 줄 요약

이 논문은 불확실성 정량화에서 기반 Kriging 대체 모델링을 위한 유연하고 개방형의 MATLAB 도구상자인 UQLab의 가우시안 과정(GP) 모델링 모듈을 제시한다. 이 모듈은 UQ 워크플로우에 원활하게 통합되며, 사용자 정의 상관 함수를 지원하고, 풍력 터빈 시뮬레이션과 비정상적 상관관계를 가진 지질공학 문제를 포함한 다양한 공학적 적용 사례에서 성능을 입증한다.

ABSTRACT

We introduce the Gaussian process (GP) modelling module developed within the UQLab software framework. The novel design of the GP-module aims at providing seamless integration of GP modelling into any uncertainty quantification workflow, as well as a stand-alone surrogate modelling tool. We first briefly present the key mathematical tools at the basis of GP modelling (a.k.a. Kriging), as well as the associated theoretical and computational framework. We then provide an extensive overview of the available features of the software and demonstrate its flexibility and user-friendliness. Finally, we showcase the usage and the performance of the software on several applications borrowed from different fields of engineering. These include a basic surrogate of a well-known analytical benchmark function, a hierarchical Kriging example applied to wind turbine aero-servo-elastic simulations and a more complex geotechnical example that requires a non-stationary, user-defined correlation function. The GP-module, like the rest of the scientific code that is shipped with UQLab, is open source (BSD license).

연구 동기 및 목표

• 불확실성 정량화(UQ) 워크플로우를 위한 일반 목적의 사용자 友好的 가우시안 과정 모델링 모듈을 UQLab 프레임워크 내에서 개발하기.
• 다양한 UQ 응용 분야, 예를 들어 신뢰성 분석, 민감도 분석, 최적화 등에 Kriging 대체 모델을 원활하게 통합할 수 있도록 하기.
• 복잡한 공학 문제를 위해 사용자 정의 비정상적 상관 함수와 같은 고도의 맞춤 설정을 지원하기.
• 초보자 사용자부터 초세밀한 하이퍼파rameter 및 모델 구조 제어가 필요한 연구자까지 모두를 수용할 수 있는 민감하고 확장 가능한 소프트웨어 솔루션 제공하기.
• 기존 도구상자에서의 한계를 보완하기 위해 완전한 구성 가능성, 확장성, 그리고 광범위한 UQ 워크플로우와의 호환성을 제공하기.

제안 방법

• GP 모듈은 UQLab 프레임워크 내에서 계층적 객체 지향 아키텍처를 사용하여 Kriging(Gaussian process regression)을 구현한다.
• 정상적 및 비정상적 상관 함수를 모두 지원하며, 사용자 정의 상관 함수는 커스텀 MATLAB 함수 핸들로 구현된다.
• 하이퍼파ram터 최적화는 외부 MATLAB 도구상자를 사용하여 수행되며, 하이퍼파ram터 수에 맞는 범위와 初기값 설정이 가능하다.
• 예측 평균과 분산을 계산하여 불확실성 정량화 및 적응형 샘플링 전략을 가능하게 한다.
• 기존 UQLab 모듈(예: 다항 chaos-Kriging 및 신뢰성 분석)과 통합되어 종단 간 UQ 파이프라인을 구현한다.
• 다양한 영역에서 서로 다른 상관 구조를 가진 경우에도 효율적으로 상관 행렬을 평가하기 위해 내장 함수 `uq_Kriging_eval_R` 를 사용한다.

실험 결과

연구 질문

• RQ1 어떻게 다양한 불확실성 정량화 워크플로우를 지원할 수 있는 일반 목적의 확장 가능한 가우시안 과정 모듈을 설계할 수 있는가?
• RQ2 사용자 정의 비정상적 상관 함수는 소프트웨어 프레임워크 내에서 Kriging 대체 모델에 얼마나 효과적으로 통합될 수 있는가?
• RQ3 복잡한 고차원 또는 노이즈가 많은 시뮬레이션 데이터를 포함한 실제 공학 응용 분야에서 GP 모듈은 어떤 성능을 보이는가?
• RQ4 모듈은 다중 정밀도 또는 다중 척도 시뮬레이션을 위한 계층적 Kriging 모델을 지원할 수 있는가?
• RQ5 사용자 정의 상관 함수 설계가 대체 모델 정확도와 계산 효율성에 어떤 영향을 미치는가?

주요 결과

• 최소한의 사용자 입력으로도 기준 분석 함수에 대해 정확한 대체 모델링을 성공적으로 수행하여 사용 용이성을 입증했다.
• 풍력 터빈의 에어로-세르보-탄성 시뮬레이션에서, 계층적 Kriging 모델은 적응형 샘플링을 통해 높은 정확도를 달성하여 복잡한 시뮬레이션 워크플로우에서의 유용성을 입증했다.
• 지질공학 역문제의 경우, 균열 위치 및 방향을 기반으로 한 사용자 정의 비정상적 상관 함수가 기존 정상적 모델보다 더 나은 모델 적합도를 보였다.
• 샘플 수가 적은 방향에서 길이 척도 추정치의 오차가 더 높게 나타나, Kriging에서 실험 설계의 중요성을 강조했다.
• 다중 하이퍼파ram터를 가진 복잡한 상관 함수도, 영역별 상관 구조를 벡터화하고 읽기 쉽게 표현한 구현을 통해 효과적으로 지원함을 입증했다.
• 소프트웨어는 BSD 라이선스 하에 개방형으로 제공되며 UQLab 생태계에서 활발히 사용 중이며, 향후 미지의 노이즈 수준 지원 및 최적화 통합 향상 계획이 수립되어 있다.