Physics-Informed Kolmogorov-Arnold Networks for multi-material elasticity problems in electronic packaging

技術要約：電子パッケージングにおけるマルチマテリアル弾性問題のための物理情報型コルモゴロフ・アーノルド・ネットワーク

問題提起
電子パッケージング構造は、異なる機械的特性を持つ不均質な材料で構成されており、鋭い界面や材料特性の不連続性を特徴とする複雑なマルチマテリアル・システムを形成している。有限要素法（FEM）などの従来の数値手法は、複雑な幾何形状をモデル化する際に、メッシュの歪み、局所的な場の解像度、および計算効率に関する課題に直面する。物理情報型ニューラルネットワーク（PINN）はメッシュフリーの代替案を提供するが、標準的な多層パーセプトロン（MLP）を用いた実装は、マルチマテリアル問題において困難に直面する。従来のPINNのアプローチは、通常、ドメイン分解（ドメインを各材料のサブドメインに分割すること）と、ペナルティ項を介した界面連続性の制約の導入を必要とする。これは、広範なハイパーパラメータのチューニングを必要とし、特に複雑な界面幾形状において収束の問題を引き起こすことが多い。さらに、MLPはスペクトルバイアスに陥る可能性があり、マルチマテリアルの解に固有の高周波特徴や急峻な遷移を捉える能力が制限される。

手法
本論文では、ドメイン分解を行わずにマルチマテリアル弾性問題を解くために、深層エネルギー法（DEM）と統合された物理情報型コルモゴロフ・アーノルド・ネットワーク（PIKAN）フレームワークを提案する。

• 深層エネルギー法 (DEM): 支配的な偏微分方程式（PDE）の強形式を解く代わりに、全ポテンシャルエネルギー汎関数を最小化する。損失関数は、内部歪みエネルギーと外部ポテンシャルエネルギーの差として構築される。この変分アプローチは、必要とされる微分の次数を下げ、弾性問題において通常、より高い精度と効率性を提供する。
• 許容変位場: ペナルティ項を使用せずに本質的な境界条件を厳密に満たすために、変位場は $u_{pred}(x) = P(x) + D(x) \odot F(x; \theta)$ として構築される。ここで、$P(x)$ は境界値を満たし、$D(x)$ は境界への距離関数であり、$F(x; \theta)$ はニューラルネットワークの出力である。これにより、構成によって境界条件が確実に満たされる。
• コルモゴロフ・アーノルド・ネットワーク (KANs): コアとなる革新は、従来のMLPをKANに置き換えることである。MLPがノードに固定された活性化関数を用い、エッジに学習可能な重みを用いるのに対し、KANはエッジ上に学習可能な単変数活性化関数（B-スプラインとしてパラメータ化される）を配置する。
  • 不連続性の処理: B-スプライン基底関数は局所的なサポートと区分的な特性を持っている。これにより、単一のKANが、異なる材料のための別個のネットワークや明示的な界面連続性の制約を必要とせずに、材料界面における応力および歪み勾配の不連続性を自然に近似することができる。
  • アーキテクチャ: ネットワークは、学習可能なB-スプライン係数、スケーリング係数、およびオプションの線形重みを採用している。入力座標はB-スプラインの定義領域に適合するように正規化され、中間層の出力は安定性を維持するために $\tanh$ 関数によって制約される。
• 数値積分: エネルギー積分を近似するために、様々な数値積分スキーム（三角形、シンプソン、台形、モンテカルロ、およびデラネー）を評価する。積分スキームの選択が、特に高応力勾配領域において、解の精度に大きく影響することが示されている。

主な貢献

1. マルチマテリアル用PIKANフレームワーク: KANを深層エネルギー法に統合し、B-スプラインの固有の区分的な性質を利用して、材料特性の不連続性を自然に受け入れるPIKAN手法の開発。
2. ドメイン分解の排除: 単一のKANが、マルチマテリアル・ドメイン全体にわたって変位場を近似できることを実証し、サブドメイン分割およびそれに伴う界面連続性のペナルティ項やハイパーパラメータ・チューニングの必要性を排除した。
3. 包括的な検証: 直線、波状、および段差のある界面を持つカンチレバー梁、中央に穴を持つ不均質プレート、および電子パッケージング構造（DBC基板およびTGV-Cu構造）に関する広範な数値実験。
4. 系統的な分析: 数値積分スキームとハイパーパラメータの感度に関する詳細な調査を提供し、再現性のための実装詳細とソースコードを提供する。

結果

• 精度と堅牢性: PIKAＮは、テストされたすべてのマルチマテリアル構成において、FEMのリファレンス解と優れた一致を示した。弾性係数の極端なコントラスト（例：2桁の差）がある場合でも、界面付近の複雑な変位場や応力集中を正常に捉えることができた。
• ドメイン分解との比較: ドメイン分解と個別のMLPを用いる保守的エネルギーニューラルネットワーク（CENN）と比較して、PIKANはより優れた精度を示した。CENNは、特に複雑な幾何形状（波状および段差のある界面）において、ペナルティ項による連続性の強制の難しさから、界面での顕著な変位の不連続性と応力の振動を示した。
• 積分スキームの感度: 三角形積分が一般に最も速い収束と高い精度を提供した。デラネー積分は、特に曲線界面において、弱い収束と高い誤差を示し、変分型PINNにおける積分スキームの決定的な役割を浮き彫りにした。
• パラメータ効率: PIKANは、MLPベースのCENNアプローチと比較して、より少ない学習可能パラメータで高い精度を達成した。例えば、カンチレバー梁の例では、PIKANは約1,050個のパラメータを使用したのに対し、CENNは3,500個以上を使用した。
• 電子パッケージングへの応用: 本手法は、DBC基板の反りや、界面の粗さおよびデュアルビア構成を含むThrough Glass Via (TGV) 構造における応力分布の解析に正常に適用され、その実用的な有用性を確認した。

意義と主張
本論文は、PIKANが、従来のドメイン分解法と比較して、マルチマテリアル固体の力学問題に対するより簡潔で堅牢なソリューション・パラダイムを提供すると主張している。エネルギーベースのフレームワーク内でKANの区分的な近似能力を利用することにより、複雑な界面制約のハンドリングやハイパーパラメータのチューニングを排除し、計算フレームワークを簡素化する。著者らは、このアプローチが、マルチマテリアル界面が遍在する電子パッケージングの解析に特に適していると考えている。

本研究は、KANの理論的な収束は依然として活発な研究領域であることを認めている。同時に、これらの弾性問題における経験的なパフォーマンスは有望であるとしている。著者らは、現在の研究が2Dの例に限定されていること、および3D構造への拡張には、計算のスケーラビリティや、標準的なKANが3D物理法則（E(3)変換）を表現することに関する理論的限界に関連する課題があることを指摘している。今後の課題として、ハイブリッドMLP-KANアーキテクチャの探索や、厳密な数学的収束証明が提案されている。結論として、PIKANは、不均質材料問題への物理情報型ディープラーニングの適用における重要な進展であり、より効率的かつ正確な信頼性解析への道筋を示すものである。