[论文解读] Manifold Approximations via Transported Subspaces: Model reduction for transport-dominated problems

Donsub Rim, Benjamin Peherstorfer+1 more|arXiv (Cornell University)|Dec 30, 2019

Model Reduction and Neural Networks参考文献 55被引用 24

一句话总结

本文提出了一种名为基于传输子空间的流形近似（MATS）的物理信息模型降尺度方法，用于求解由参数化双曲守恒律控制的对流主导问题。通过将低秩传输模态与局部线性子空间相结合，并利用在线高效的时间推进方案沿特征曲线演化这些子空间，MATS 在保持非线性、激波形成区域精度的同时，实现了相对于传统线性降阶模型和全阶模拟的数个数量级加速。

ABSTRACT

This work presents a method for constructing online-efficient reduced models of large-scale systems governed by parametrized nonlinear scalar conservation laws. The solution manifolds induced by transport-dominated problems such as hyperbolic conservation laws typically exhibit nonlinear structures, which means that traditional model reduction methods based on linear approximations are inefficient when applied to these problems. In contrast, the approach introduced in this work derives reduced approximations that are nonlinear by explicitly composing global transport dynamics with locally linear approximations of the solution manifolds. A time-stepping scheme evolves the nonlinear reduced models by transporting local approximation spaces along the characteristic curves of the governing equations. The proposed computational procedure allows an offline/online decomposition and is online-efficient in the sense that the complexity of accurately time-stepping the nonlinear reduced model is independent of that of the full model. Numerical experiments with transport through heterogeneous media and the Burgers' equation show orders of magnitude speedups of the proposed nonlinear reduced models based on transported subspaces compared to traditional linear reduced models and full models.

研究动机与目标

• 为解决传统线性模型降尺度方法在对流主导问题中的低效性，此类问题的解流形由于非线性结构导致 Kolmogorov N-宽度衰减缓慢。
• 开发一种降阶建模框架，以捕捉非线性对流动力学，而无需依赖数据拟合，而是从控制方程中推导出变换。
• 通过确保降阶模型时间推进的计算成本与全阶模型的自由度无关，实现在线效率。
• 通过结合基于特征线的传输与自适应子空间更新，实现对具有激波和移动前缘的解的精确近似。
• 为传输子空间背景下的 Kolmogorov (N,M)-宽度建立理论基础，将逼近理论与实际降阶建模联系起来。

提出的方法

• 该方法通过将显式从守恒律的特征曲线导出的低秩传输模态，应用于局部线性逼近空间，构建传输子空间。
• 使用插值粒子追踪子空间在时空中的移动，实现降阶基的在线高效自适应。
• 直接从控制的双曲 PDE 推导时间推进格式，在每个时间步将解投影到传输子空间上。
• 通过基于投影的更新机制，在线更新降阶模型，利用传输模态和特征动力学的结构。
• 该方法融合了最优传输、位移 POD 和拉格朗日方法的思想，但其独特设计在于通过方程驱动演化保持在线效率。
• 该方法通过将守恒律的物理特性直接嵌入降阶基的时间演化中，避免了数据驱动的拟合。

实验结果

研究问题

• RQ1 能否构建一种降阶模型，高效捕捉双曲守恒律中的非线性对流结构，同时保持在线效率？
• RQ2 如何仅利用控制 PDE 和低秩传输模态，在线实时构建并自适应传输子空间？
• RQ3 MATS 的理论逼近质量如何？其与解流形的 Kolmogorov (N,M)-宽度有何关系？
• RQ4 该方法能否准确表示如 Burgers 方程中激波特性和合并特征？
• RQ5 降阶模型的在线复杂度是否与全阶模型的自由度无关？

主要发现

• 在异质介质中的对流和 Burgers 方程的数值实验中，MATS 相较于全阶模型和传统线性降阶模型，实现了数个数量级的加速。
• 对于 (N,M) = (5,4) 的 Burgers 方程示例，尽管低秩拉格朗日框架导致非一致且不规则的网格，该降阶模型仍能准确捕捉激波特性和传播过程。
• 降阶模型的误差并未随 N 和 M 增加而单调减小，表明受限于非一致子空间、一阶时间更新和基变换误差。
• 激波特性的形成导致特征曲线合并，从而在时间推进过程中引发粒子重排序，这是当前公式仍需解决的开放挑战。
• 由于其基于物理的构造，该方法在保持单调性和激波特性的能力上优于某些先前的数据驱动方法（如 DIP）。
• 所提出的框架可推广至多维空间中的守恒律系统，尽管该推广方向仍为未来工作的开放课题。