[논문 리뷰] Multi-fidelity uncertainty quantification of irradiated particle-laden turbulence

Lluís Jofre, Gianluca Geraci외 3명|arXiv (Cornell University)|2018. 01. 17.

Particle Dynamics in Fluid Flows참고 문헌 13인용 수 24

한 줄 요약

이 논문은 고밀도 태양열 집속기에서 방사선 조사된 입자 함유 난류 유동에 대한 다중 신뢰도 불확도 정량화(UQ) 프레임워크를 제안한다. 저신뢰도(LF) 및 편향 보정(BF) 모델을 사용하여 고신뢰도(HF) 시뮬레이션의 계산 비용을 줄인다. 이 방법은 LF 모델 대비 10배 높은 정확도를 달성하며, UQ 비용을 수개월 단위로 감소시켜 복잡한 다물리적 시스템에 대한 대규모 UQ 캠프에 가능성을 열어준다.

ABSTRACT

The study of complex systems is often based on computationally intensive, high-fidelity, simulations. To build confidence in the prediction accuracy of such simulations, the impact of uncertainties in model inputs on the quantities of interest must be measured. This, however, requires a computational budget that is a possibly large multiple of the cost of a single simulation, and thus may become infeasible for expensive simulation models featuring a large number of uncertain inputs and highly nonlinear behavior. Therefore, this work explores multi-fidelity strategies to accelerate the estimation of the effect of uncertainties. The main idea behind multi-fidelity models is to utilize cheaper, lower-fidelity models - than the intended high-fidelity, expensive model of the problem - to generate a baseline solution that together, with relatively small number of high-fidelity simulations can lead to accurate predictions. The methods are briefly presented, and their performance assessed on an irradiated particle-laden turbulent flow case related to Stanford's PSAAP II particle-based solar energy receiver.

연구 동기 및 목표

• 용적 태양열 수집기에서 방사선 조사된 입자 함유 난류 유동에 대한 고신뢰도(HF) 시뮬레이션의 높은 계산 비용을 해결한다. 이는 샘플당 약 50만 코어시간이 소요된다.
• 전체 스케일에서 수십억 코어시간에 이를 수 있는 불확도 정량화(UQ) 캠프의 비용을 줄이기 위해 다중 신뢰도 모델링 전략을 활용한다.
• 저신뢰도(LF) 모델의 체계적 오차를 보정하는 편향 보정(BF) 모델을 개발하여 UQ 정확도를 향상시키고 계산 효율성을 유지한다.
• 입자 크기, 복사 특성, 경계 조건 등 다양한 불확실성 원인 하에서 열역학적 열역학 효율 및 열역학적 열 flux 등의 주요 관심량(QoI)을 신뢰성 있게 예측할 수 있도록 한다.
• 스케일된 태양열 수집기에서의 실험 데이터를 사용하여 다중 신뢰도 프레임워크를 검증하고, 보조 모델을 HF 시뮬레이션 데이터와 비교한다.

제안 방법

• 저신뢰도(LF) 모델을 개발하여 단순화된 물리 모델과 더 넓은 공간 해상도를 사용해 고신뢰도(HF) 시뮬레이션의 비용의 일부분만으로 근사한다.
• 다항 무작위 확장(PCE) 및 회귀 기법을 사용해 희소한 HF 시뮬레이션 결과를 기반으로 LF 예측값을 校정하여 편향 보정(BF) 모델을 구축한다.
• LF 및 BF 데이터를 통합하여 훈련된 희소 PCE 보조 모델을 사용해 관심량(QoI)의 통계적 분포, 예를 들어 평균 열역학적 열 flux 등을 생성한다.
• HF, LF 및 BF 데이터를 조합하는 다중 신뢰도 추정기법을 적용하여 분산을 줄이고 더 적은 HF 샘플로도 통계적 수렴을 향상시킨다.
• 정규화된 검증 오차 및 변동계수(CoV)를 사용해 모델 성능을 평가하여 데이터 세트 간 통계적 일관성을 확보한다.
• BF 모델을 제어 변수로 삼는 하이브리드 제어 변수 접근법을 적용하여 추정기 효율성을 더욱 향상시키고 UQ에서의 분산을 감소시킨다.

실험 결과

연구 질문

• RQ1 다중 신뢰도 모델링 전략은 방사선 조사된 입자 함유 난류의 대규모 다물리적 시뮬레이션에 대한 UQ 계산 비용을 크게 줄일 수 있는가?
• RQ2 고신뢰도(HF) 열역학적 열 flux 및 열 출력을 예측할 때, 편향 보정(BF) 모델은 저신뢰도(LF) 모델에 비해 정확도와 강건성 면에서 어떻게 비교되는가?
• RQ3 희소한 HF 데이터를 어떻게 활용하여 LF 모델보다 우수한 통계적 분포를 반영하는 BF 모델을 보정할 수 있는가?
• RQ4 복잡하고 고차원적인 불확실성 문제의 UQ 분산 감소 및 수렴 향상 측면에서 MF, ML 및 BF 전략의 상대적 성능은 어떠한가?
• RQ5 입자 함유 난류 유동과 복사加열 조건 하에서 BF 모델을 제어 변수로 포함함으로써 UQ 추정기의 효율성과 정확도는 어떻게 향상되는가?

주요 결과

• 편향 보정(BF) 모델은 해당 저신뢰도(LF) 모델 대비 검증 오차를 10배 감소시켰으며, BF1은 1% 오차, BF2는 2% 오차를 기록했다.
• LF2가 더 작은 내재 오차를 가졌음에도 불구하고 BF 근사치는 항상 LF 모델보다 더 정확했으며, 이는 편향 보정 프레임워크의 강건성을 입증한다.
• HF 데이터와 비교했을 때 BF1의 평균 열역학적 열 flux 히스토그램은 LF1보다 더 잘 일치했고, BF2의 히스토그램은 BF1보다 HF 분포의 분포 범위를 더 잘 포괄했다.
• 저신뢰도(LF) 모델에 높은 상관관계와 심각한 편향이 존재함에 따라 다중 신뢰도(MF) 접근법이 다수 수준(ML) 방법보다 우수했으며, 이는 편향 보정의 중요성을 강조한다.
• BF 모델을 UQ 추정기의 제어 변수로 사용함으로써 LF 단독 추정기 대비 정확도가 10배 향상되었으며, 필요한 HF 시뮬레이션 수를 크게 감소시켰다.
• 이 프레임워크는 UQ 캠프의 총 계산 비용을 약 일십억 코어시간에서 실용적인 수준으로 감소시켜 실제 CSP 시스템 설계를 위한 대규모 불확도 정량화를 가능하게 하였다.