サロゲート モデルにより複雑な物理タスクを簡素化

物理シミュレーションには問題があります。シミュレーションの結果を必要とするエンジニアには、待つ時間がないことがよくあります。複数の独立した計算が必要な現実世界の設定 (たとえば、システム内の個別の熱、機械、電磁要素) を追加すると、現実的かつリアルタイムの「マルチフィジックス」計算は二者択一のように見えるかもしれません。

今週マサチューセッツ州バーリントンに集まるプログラマーとモデラーは、COMSOL シミュレーション ソフトウェア環境で、外出先でもマルチフィジックスへの新たな進出を模索します。 3 日間にわたる基調講演、ワークショップ、デモを通して、COMSOL ユーザーはシミュレーション時間不足を解決するための新しいアプローチを検討します。

「サロゲート モデルは、本格的なマルチフィジックス モデルを、機械学習を使用して迅速に評価できるコンパクトな形式に圧縮する興味深い新しいテクノロジーです」と、ストックホルムに拠点を置く親会社 (COMSOL とも呼ばれる) の製品管理担当上級副社長、ビョルン ショーディン氏は述べています。

この課題は、COMSOL 単独よりも広範囲に及んでいます。今年初めに雑誌に掲載されたレビューによると、 プロセディアコンピュータサイエンス著者らによれば、さまざまな業界がシミュレーションのボトルネックに直面しており、「高忠実度のシミュレーションを実行するには、設計ごとに数週間もかかる場合がある」という。

サロゲートモデル、 来た 著者らは、方程式をより大規模なシミュレーション環境の簡略化バージョンにまで絞り込む必要があると指摘しています。言い換えれば、サロゲートは、モデル化されている特定のシステムの本質的な動作を、それほど多くの計算オーバーヘッドなしでキャプチャします。多くの場合、このトリミング プロセスには、元の複雑なモデルを重要なポイントで戦略的にサンプリングし、新しいシナリオの結果を予測できる高速な近似をトレーニングすることが含まれます。

「これらのモデルを瞬時に評価できます」と Sjodin 氏は COMSOL のサロゲート モデリング システムについて語ります。 「一方、未知の入力を含む完全なモデルを解く場合、15 分かかる可能性があります。そして人々は非常にせっかちです。」

ショーディン氏によると、ヨーロッパの自動車メーカーは現在、COMSOL のサロゲート モデルを使用して電気自動車のバッテリー パック全体を迅速にシミュレーションしており、かつてはマネージャーやエンジニアがコーヒー ブレークかそれ以上待つ必要があったリアルタイムの意思決定が可能になっています。一方、スイスの研究所は、インドの農家が冷蔵倉庫での食品の腐敗を予測するためのアプリとして COMSOL サロゲート システムを導入した、とショーディン氏は付け加えた。同研究所の調査によると、この代理シミュレーションにより、農家は食品の腐敗を20パーセント減らすことができたという。

COMSOL の完全な数値シミュレーションは、アンテナ表面 (右の球) のパフォーマンスを予測しますが、その合理化された代理モデル (左の球) は、大幅に短い実行時間でほぼ同じ結果に達します。コムソル

マルチフィジックスをアプリ化する

Sjodin 氏は、COMSOL はシミュレーション システムのユーザーをソフトウェア開発者そのものに近づけるつもりだと述べています。

「これらのアプリをスタンドアロンの実行可能ファイルにコンパイルして、ライセンスを支払うことなく世界中に配布できます」とショーディン氏は言います。

同氏によると、同社のサロゲートモデルはスタンドアロンアプリケーションとして実行でき、ラップトップやスマートフォンでも動作するという。

「これを工場現場の誰かに渡したい場合、これらの代理モデルはすぐに評価して結果を得ることができるため、非常に便利です」とショーディン氏は言います。 モデルは完全なマルチフィジックス シミュレーションと比較して高速に実行されます。 たとえば、特定のバッテリー パックの熱性能と化学組成のアプリ バージョンがプリロードされているためです。シミュレーションは、シミュレーション対象の物理環境に固有の事前に計算されたパラメータ、およびシミュレーション対象の環境のみをすでに手元に持っているため、高速です。

各実行の計算時間を高速化する AI スマートに加えて、COMSOL は他のトリックにも依存しています。モデラーが「低次数」モデル (ROM) と呼ぶものには、数学的パターン認識などの最適化や、計算におけるより複雑な式の一部のスリム化が含まれます。 「そこではニューラル ネットワークが活躍しますが、他のテクノロジー、より伝統的な低次数モデリング テクノロジーも活躍します」と彼は言います。

たとえば、2024 年の ROM に関する業界全体のレビューでは、イタリアのトリエステ国際高等研究大学院の研究者が、AI やニューラル ネットワークだけではないさまざまな ROM 技術について説明しました。

「ROMは2つの大きなファミリーに分かれています。支配方程式を直接操作する侵入的手法と、シミュレーションデータのみを考慮する非侵入的手法です」と研究者らは書いている。この論文は、ニューラル ネットと従来の数学的 ROM ツールを組み合わせることで、ROM スマートが追加されていないモデルと比べて最大 100,000 倍の計算速度向上を達成できることを示しています。