[논문 리뷰] The Sparse Grids Matlab kit -- a Matlab implementation of sparse grids for high-dimensional function approximation and uncertainty quantification

Chiara Piazzola, Lorenzo Tamellini|arXiv (Cornell University)|2022. 03. 17.

Probabilistic and Robust Engineering Design인용 수 11

한 줄 요약

Sparse Grids Matlab Kit (SGMK)는 고차원 함수 근사 및 불확실성 정량화(UQ)를 위한 경량이고 고수준의 Matlab 패키지로, 희소 격자의 조합 기법 형태를 구현합니다. 적응형 격자를 통한 효율적인 서rogate 모델링을 가능하게 하며, 일반화된 다항 chaos 전개(PCE) 및 Sobol 민감도 인덱스를 지원하고, UM-Bridge 프로토콜을 통해 외부 시뮬레이터와 통합되어 수백 개의 랜덤 변수를 포함하는 프로토타이핑 및 실제 UQ 응용에 적합합니다.

ABSTRACT

The Sparse Grids Matlab Kit provides a Matlab implementation of sparse grids, and can be used for approximating high-dimensional functions and, in particular, for surrogate-model-based uncertainty quantification. It is lightweight, high-level and easy to use, good for quick prototyping and teaching; however, it is equipped with some features that allow its use also in realistic applications. The goal of this paper is to provide an overview of the data structure and of the mathematical aspects forming the basis of the software, as well as comparing the current release of our package to similar available software.

연구 동기 및 목표

• 고차원 함수 근사 및 불확실성 정량화(UQ)를 위한 사용자 친화적이고 고수준의 Matlab 기반 희소 격자 구현을 제공하기 위해.
• 실제 UQ 응용에서 수백 개의 랜덤 변수를 포함하는 경우에도 사용 가능한 기능을 유지하면서 빠른 프로토타이핑 및 교육적 사용을 지원하기 위해.
• 베이지안 추론 및 민감도 분석에 필요한 일반화된 다항 chaos 전개(PCE), Sobol 민감도 인덱스, 기울기/헤시안 계산과 같은 UQ 전용 기능을 구현하기 위해.
• 평가 재사용, 병렬 처리 및 UM-Bridge 프로토콜을 통한 외부 솔버와의 통합을 통해 고비용 시뮬레이션 모델의 효율적 평가를 가능하게 하기 위해.
• 기존의 희소 격자 및 UQ 소프트웨어와의 비교를 통해 功能성, 유지보수성, 사용성 측면에서 SGMK의 위치를 규명하기 위해.

제안 방법

• SGMK는 고차원 보간을 위해 계층 기반 함수와 중첩 또는 비중첩 근사점을 사용하는 희소 격자의 조합 기법을 구현합니다.
• 차원별 적응형 알고리즘을 통한 적응형 메쉬 정밀화를 지원하며, 고차원 문제에서 작업 할당을 향상시키기 위한 새로운 버퍼링 전략을 포함합니다.
• 일반적인 확률 분포(균일, 정규, 감마, 베타 등)를 위한 내장된 콜로케이션 점을 제공하여 PCE 기반 UQ를 가능하게 합니다.
• 서rogate 모델의 기울기와 헤시안을 계산하여 국소 민감도 분석 및 최대 사후 추정(MAP)과 같은 최적화 작업을 지원합니다.
• Matlab의 Parallel Toolbox와 통합되어 평가 재사용 및 외부 시뮬레이션 호출을 UM-Bridge 프로토콜을 통해 C++/파이썬 솔버와 연결할 수 있도록 지원합니다.
• 포괄적인 테스트 세트, 튜토리얼 및 완전한 문서화를 포함하며, 2023년 릴리스에서 5,300줄이 넘는 주석을 포함하고 있습니다.

실험 결과

연구 질문

• RQ1 어떻게 고차원 문제에서 교육적 목적과 실무 수준의 UQ 워크플로우를 모두 지원할 수 있도록 Matlab과 같은 고수준 언어에서 희소 격자를 효율적으로 구현할 수 있는가?
• RQ2 기존의 희소 격자 및 UQ 소프트웨어와 비교해 SGMK는 UQ 기능성과 적응성 측면에서 어떤 고유한 기능을 제공하는가?
• RQ3 평가 재사용, 병렬 처리 및 외부 시뮬레이션 통합은 고차원 문제에서 서rogate 모델링의 성능을 얼마나 향상시킬 수 있는가?
• RQ4 SGMK의 버퍼링 전략은 다차원 적응형 희소 격자 구축에서 계산 효율성을 어떻게 향상시키는가?
• RQ5 Tasmanian, SG++, Spinterp, Dakota와 같은 다른 소프트웨어와 비교해 SGMK는 UQ 작업에서 어떤 방식으로 뛰어나거나 보완하는가?

주요 결과

• SGMK는 UQ를 위한 가장 기능이 풍부한 Matlab 기반 도구로, 차원 버퍼링, 일반화된 다항 chaos 전개(PCE), Sobol 민감도 인덱스에 대한 고유한 지원을 제공합니다.
• 기울기와 헤시안의 효율적 계산이 가능하여 베이지안 역문제 해결 및 민감도 분석에 필수적인 요소를 제공합니다.
• 평가 재사용 및 병렬 처리 기능은 고비용 시뮬레이션 모델 평가 시 계산 오버헤드를 크게 줄입니다.
• UM-Bridge 프로토콜 통합을 통해 외부 시뮬레이터와의 원활한 인터페이스가 가능해져 복잡한 UQ 파이프라인에서의 사용성을 향상시킵니다.
• SG++와 Tasmanian보다 더 많은 UQ 전용 도구를 제공하며 Spinterp보다 功能성과 유지보수성에서 뛰어나지만, Tasmanian이 더 넓은 기저 함수 지원을 제공한다는 점을 감안할 때도 SGMK는 우수한 성능을 발휘합니다.
• 이 소프트웨어는 다수의 연구 프로젝트에서 성공적으로 사용되었으며, 수백 개의 랜덤 변수를 포함하는 경우에도 적용되었고, 학술 논문 및 교과서에 채택된 바 있습니다.