Homotopy surrogate model assisted double-loop approach for efficient structural reliability-based design optimization

इंजीनियरों को पुलों, विमानों और गगनचुंबी इमारतों को डिजाइन करते समय लंबे समय से एक कठिन समझौते का सामना करना पड़ा है। एक ओर, उन्हें यह सुनिश्चित करना होता है कि ये संरचनाएं वास्तविक दुनिया की अप्रत्याशित प्रकृति का सामना करने के लिए पर्याप्त सुरक्षित हों, जहाँ सामग्रियां थोड़ी भिन्न हो सकती हैं, भार अप्रत्याशित रूप से बदल सकता है, और आयाम कभी भी पूरी तरह से सटीक नहीं होते। दूसरी ओर, उन्हें इन संरचनाओं को इतना भारी और महंगा होने से बचना होता है कि वे अव्यवहारिक हो जाएं। सुरक्षा के लिए डिजाइन करने के पारंपरिक तरीके अक्सर इन छोटी अनिश्चितताओं को अनदेखा कर देते थे, जिससे डिजाइन या तो खतरनाक रूप से नाजुक या अनावश्यक रूप से भारी हो जाते थे। इसे हल करने के लिए, 'रिलायबिलिटी-बेस्ड डिजाइन ऑप्टिमाइजेशन' (विश्वसनीयता-आधारित डिजाइन अनुकूलन) नामक एक क्षेत्र उभरा। यह दृष्टिकोण अनिश्चितता को एक ऐसी समस्या के रूप में नहीं देखता जिसे अनदेखा किया जाना चाहिए, बल्कि इसे एक केंद्रीय कारक के रूप में मानता है जिसे गणना किया जाना चाहिए, जिसका लक्ष्य सबसे हल्का संभव ढांचा खोजना है जिसके पास अपने सबसे खराब परिदृश्यों में जीवित रहने की गणितीय रूप से प्रमाणित संभावना हो।

इस पद्धति के साथ चुनौती यह है कि सुरक्षा की गणना करना कंप्यूटर समय के मामले में बेहद महंगा है। यह जानने के लिए कि क्या कोई डिजाइन सुरक्षित है, इंजीनियरों को हजारों अलग-अलग संभावित वास्तविकताओं का अनुकरण (सिमुलेशन) करना पड़ता है, और यह देखना पड़ता है कि संरचना मामूली विविधताओं के हर संयोजन के तहत कैसा व्यवहार करती है। अनुकूलन प्रक्रिया के दौरान प्रत्येक एकल डिजाइन बदलाव के लिए ऐसा करना कंप्यूटर की शक्ति के हफ्तों या महीनों का समय ले सकता है, जिससे यह विधि जटिल, वास्तविक दुनिया की परियोजनाओं के लिए बहुत धीमी हो जाती है। वुहान यूनिवर्सिटी ऑफ टेक्नोलॉजी के शोधकर्ताओं ने बिना सटीकता से समझौता किए इसे तेज करने का एक नया तरीका विकसित किया है। उन्होंने एक ऐसा तरीका बनाया है जो एक अत्यधिक कुशल शॉर्टकट की तरह काम करता है, जिससे इंजीनियरों को हर बार पूर्ण, भारी सिमुलेशन चलाए बिना अनिश्चितता के तहत एक संरचना के व्यवहार की भविष्यवाणी करने की अनुमति मिलती है।

उनके नए तरीके का मूल एक गणितीय उपकरण है जिसे 'स्टैटिक होमोटोपी सरोगेट मॉडल' कहा जाता है। अतीत में, गणना को तेज करने की कोशिश करने वाले इंजीनियर अक्सर डेटा-संचालित मॉडलों पर निर्भर करते थे, जो कुछ पुरानी तस्वीरों को देखकर मौसम का अनुमान लगाने जैसा है। इन मॉडलों को पैटर्न सीखने के लिए भारी मात्रा में प्रशिक्षण डेटा की आवश्यकता होती है, और यदि डेटा अव्यवस्थित या अधूरा है, तो भविष्यवाणियां गलत हो सकती हैं। नया उपकरण एक अलग रास्ता अपनाता है। उदाहरणों से सीखने के बजाय, यह एक विशिष्ट गणितीय विस्तार का उपयोग करके अनिश्चित इनपुट और संरचनात्मक प्रतिक्रिया के बीच एक सीधा, स्पष्ट मानचित्र बनाता है। इसका अर्थ है कि यह सेटअप पूरा होने के बाद लगभग तुरंत सटीक भविष्यवाणियां उत्पन्न कर सकता है, बिना इसे सिखाने के लिए पिछले डेटा के बड़े पुस्तकालय की आवश्यकता के। यह एक अधिक मौलिक दृष्टिकोण है जो केवल परिणामों को याद करने के बजाय सीधे समस्या के भौतिकी (फिजिक्स) को समझता है।

इस टूल को और भी कुशल बनाने के लिए, शोधकर्ताओं ने एक चतुर पुन: उपयोग रणनीति जोड़ी है। कल्पना कीजिए कि एक इंजीनियर एक नया पुल डिजाइन कर रहा है। जैसे-जैसे कंप्यूटर पुल के विभिन्न संस्करणों का परीक्षण करता है, वह अक्सर ऐसे डिजाइनों का सामना करता है जो पहले से विश्लेषित किए गए डिजाइनों के बहुत समान होते हैं। एक नया भविष्यवाणी मॉडल बनाने के बजाय, नया तरीका अपने इतिहास की जांच करता है। यदि नया डिजाइन पिछले वाले के काफी करीब है, तो सिस्टम पुराने भविष्यवाणी मॉडल का ही पुन: उपयोग करता है। यह नए डिजाइन के लिए जटिल गणितीय मानचित्र को फिर से बनाने की आवश्यकता को समाप्त करता है, जिससे बहुत समय बचता है। शोधकर्ताओं ने एक सख्त नियम निर्धारित किया है कि कब इस पुन: उपयोग की अनुमति दी जानी चाहिए, यह सुनिश्चित करते हुए कि शॉर्टकट तभी लिया जाए जब डिजाइन इतने समान हों कि पुराना मानचित्र सटीक बना रहे।

टीम ने चार अलग-अलग समस्याओं पर इस दृष्टिकोण का परीक्षण किया, जिनमें सरल गणितीय पहेलियों से लेकर जटिल वास्तविक संरचनाएं शामिल थीं। उन्होंने एक अत्यधिक नॉन-लीनियर (गैर-रेखीय) समस्या से शुरुआत की, जो एक प्रकार का कठिन समीकरण है जहाँ छोटे बदलाव बड़े, अप्रत्याशित परिणाम दे सकते हैं। उन्होंने दो अलग-अलग ट्रस संरचनाओं पर भी परीक्षण किया, एक जिसमें दस छड़ें थीं और दूसरी जिसमें बहत्तर छड़ें थीं, जो पुलों और टावरों में उपयोग किए जाने वाले सामान्य ढांचे हैं। अंत में, उन्होंने लड़ाकू विमान के विंग बॉक्स के एक विस्तृत मॉडल पर इसे लागू किया, जो हजारों व्यक्तिगत भागों से बनी एक संरचना है। हर मामले में, नए तरीके ने ऐसे डिजाइन खोजे जो पुराने, धीमे तरीकों द्वारा खोजे गए डिजाइनों जितने ही सुरक्षित और कुशल थे।

परिणामों ने सर्वोत्तम डिजाइन खोजने के लिए आवश्यक समय में नाटकीय कमी दिखाई। दस-बार ट्रस के लिए, नए तरीके ने मौजूदा तकनीकों की तुलना में भारी कंप्यूटर सिमुलेशन की संख्या में 99 प्रतिशत से अधिक की कमी की। बहत्तर-बार ट्रस के लिए, जिसमें बीस अलग-अलग अनिश्चित कारक शामिल थे, बचत और भी अधिक स्पष्ट थी, जिसने कम्प्यूटेशनल कार्य को लगभग 99 प्रतिशत तक कम कर दिया। यहाँ तक कि जटिल विंग बॉक्स के लिए भी, जिसमें हजारों हिस्से शामिल थे, पद्धति ने केवल सामान्य रूप से आवश्यक कंप्यूटिंग पावर के एक बहुत छोटे हिस्से का उपयोग करके एक हल्का और सुरक्षित डिजाइन खोजने में सफलता प्राप्त की। शोधकर्ताओं ने पाया कि अपने भविष्यवाणी मॉडलों का पुन: उपयोग करके, वे सैकड़ों डिजाइन इटरेशन के लिए नए मॉडल बनाने से बच सकते हैं, जो प्रभावी रूप से बहुत कम समय में एक बड़ी टीम का काम कर देता है।

यह कार्य सुझाव देता है कि सुरक्षा-महत्वपूर्ण डिजाइन में उच्च कम्प्यूटेशनल लागत की बाधा एक अनसुलझी समस्या नहीं है। भौतिकी-आधारित भविष्यवाणी टूल और पिछले कार्य को पुन: उपयोग करने की स्मार्ट रणनीति को जोड़कर, इंजीनियर अब डिजाइन की संभावनाओं की एक बहुत व्यापक श्रृंखला का पता लगा सकते हैं। इसका अर्थ है कि भविष्य में, संरचनाओं को हल्का, अधिक कुशल और सुरक्षित बनाया जा सकता है, बिना अंतहीन कंप्यूटर सिमुलेशन चलाने की अत्यधिक लागत के। यह पद्धति कठोर सुरक्षा जांच की आवश्यकता को प्रतिस्थापित नहीं करती है, बल्कि उस बाधा को हटाती है जिसने इन उन्नत तकनीकों को कई जटिल इंजीनियरिंग चुनौतियों के लिए पहुंच से बाहर रखा था।