[논문 리뷰] Strategies for Reduced-Order Models for Predicting the Statistical Responses and Uncertainty Quantification in Complex Turbulent Dynamical Systems

Andrew J. Majda, Di Qi|arXiv (Cornell University)|2018. 02. 20.

Model Reduction and Neural Networks참고 문헌 64인용 수 4

한 줄 요약

이 논문은 고차원 난류 동역계에서 통계적 응답을 정확히 예측하고 불확실성을 정량화할 수 있는 감소 차수 모델(ROMs)을 체계적으로 구축하기 위한 프레임워크를 개발한다. 모델 校정을 위해 경험적 정보 이론과 통계적 선형 반응 이론을 조합하고, 전체 시스템의 모드의 0.15% 미만으로도 높은 정확도를 달성하기 위해 총 통계적 에너지 동역학을 활용하여 민감도를 향상시킨다. 이는 확률적 삼중체와 이중층 열역학적 난류에서 검증되었다.

ABSTRACT

Turbulent dynamical systems characterized by both a high-dimensional phase space and a large number of instabilities are ubiquitous among many complex systems in science and engineering. The existence of a strange attractor in the turbulent systems containing a large number of positive Lyapunov exponents results in a rapid growth of small uncertainties, requiring naturally a probabilistic characterization for the evolution of the turbulent system. Uncertainty quantification in turbulent dynamical systems is a grand challenge where the goal is to obtain statistical estimates such as the change in mean and variance for key physical quantities in their nonlinear responses to changes in external forcing parameters or uncertain initial data. One central issue in contemporary research is the development of a systematic methodology that can recover the crucial features of the natural system in statistical equilibrium (model fidelity) and improve the imperfect model prediction skill in response to various external perturbations (model sensitivity). A general mathematical framework to construct statistically accurate reduced-order models that have skill in capturing the statistical variability in the principal directions with largest energy of a general class of damped and forced complex turbulent dynamical systems is discussed here. The methods are developed under a universal class of turbulent dynamical systems with quadratic nonlinearity that is representative in many applications in applied mathematics and engineering. The validity of general framework of reduced-order models is demonstrated on instructive stochastic triad models. Recent applications to two-layer baroclinic turbulence in the atmosphere and ocean with combinations of turbulent jets and vortices are also surveyed.

연구 동기 및 목표

• 모델 오차와 계산 한계로 인해 정확한 예측이 어려운 고차원, 불안정한 난류 시스템에서의 대규모 불확실성 정량화(UQ) 과제를 해결하기 위해.
• 기본 물리 법칙에 대한 불완전한 지식에도 불구하고 통계 평형 상태에서의 모델 충실도와 외부 힘에 대한 모델 민감도를 보장하는 체계적인 방법론을 개발하기 위해.
• 전체 시스템에 비해 훨씬 적은 모드를 사용하여 핵심 통계적 특징을 포괄하는 ROM을 구축함으로써 계산 비용을 줄이기 위해 — 특히 총 자유도의 0.15% 미만으로.
• 교정된 오차 모델과 에너지 보존 동역학을 통해 외부 힘과 초기 조건의 변화에 대한 예측 정확도를 향상시키기 위해.

제안 방법

• 불완전한 모델 선택, 경험적 정보 이론과 통계적 선형 반응 이론을 활용한 校정, 불확실성 정량화를 포함한 예측을 포함하는 세 단계 모델링 전략을 적용한다.
• 통계적 에너지 역학 — 평균 에너지와 변동 에너지의 합으로 정의됨 — 을 사용하여 고차 모멘트의 직접 계산을 피하는 총 통계적 에너지에 대한 닫힌 형태의 방정식을 유도한다.
• 강한 외부 힘에 의한 변동에 대해 모델 민감도를 향상시키기 위해 총 통계적 에너지 역학을 적용하여, 복잡한 삼차 모멘트를 해결하지 않고도 정확한 예측을 가능하게 한다.
• 훈련 단계에서 ROM과 진짜 시스템 통계 간의 발산을 최소화하기 위해 경험적 정보 이론을 사용해 모델 파라미터를 교정한다.
• 감쇠, 외부 힘, 비선형 상호작용을 포함한 이차 비선형성을 가진 확률적 삼중체 모델을 사용하여 평균과 분산에 대한 동역학 방정식을 유도한다.
• 가장 에너지가 큰 모드만 유지하고 에너지 보존 대칭성을 활용하여 분산 동역학을 단순화함으로써 통계적 닫힘을 구현한다.

실험 결과

연구 질문

• RQ1 다수의 양의 리아프누프 지수를 가진 난류 시스템에서, 감소 차수 모델을 어떻게 체계적으로 교정하여 높은 통계적 충실도를 달성할 수 있는가?
• RQ2 고차원 난류 시스템에서 외부 힘에 대한 통계적 응답의 정확한 불확실성 정량화를 가능하게 하는 수학적 프레임워크는 무엇인가?
• RQ3 총 통계적 에너지 역학은 감소 차수 모델에서 삼차 모멘트와 교차 공분산을 직접 계산할 필요 없이 대체할 수 있는가?
• RQ4 소수의 모드(예: 200개)가 총 자유도 100,000개를 가진 시스템의 통계적 행동을 얼마나 정확히 표현할 수 있는가?
• RQ5 정보 이론 기반 교정과 에너지 기반 동역학의 조합이 외부 힘에 대한 모델 민감도를 얼마나 향상시키는가?

주요 결과

• 감소 차수 모델은 전체 시스템이 100,000개의 자유도를 가진 확률적 삼중체 모델에서도 단지 3개의 모드로만 사용하여도 통계적 응답과 불확실성 정량화를 정확히 포착한다.
• 이 방법은 총 스펙트럼 모드의 0.15% 미만 — 구체적으로 100,000개 중 200개 — 으로도 높은 정확도를 달성하여 통계적 충실도를 유지하면서 극도로 모델을 단순화함을 보여준다.
• 에너지 보존과 삼중체 대칭성에서 유도된 통계적 에너지 역학은 고차 모멘트나 교차 공분산을 해결하지 않고도 총 제2차 통계량을 정확히 계산할 수 있게 한다.
• 경험적 정보 이론과 통계적 선형 반응 이론은 훈련 단계에서 모델 파라미터의 최적 교정을 가능하게 하여 외부 힘에 대한 예측 정확도를 크게 향상시킨다.
• 이중층 열역학적 난류에서 제트 기류와 소용돌이를 포함한 비선형 통계적 응답을 성공적으로 예측하여, 복잡한 지구물리학적 유동에서의 강건성을 확인한다.
• 에너지 보존 동역학 덕분에 강한 외부 힘에 대한 변동에도 정확도를 유지할 수 있으며, 민감도와 안정성을 모두 보존한다.