Uncertainty Quantification of Engineering Structures by Polynomial Chaos Expansion and Multivariate Active Learning

技術要約：多項式カオス展開および多変数能動学習による工学構造物の不確実性定量化

問題提起
多くの工学応用において、高忠実度数値モデル（有限要素モデルなど）は、同一の入力パラメータの下で複数の関心対象（QoI）を同時に生成します。これらのシステムにおける不確実性定量化（UQ）には、多数のモデル評価が必要となることが多く、これは計算コスト的に極めて困難な場合があります。これを軽減するために、サロゲートモデル、特に多項式カオス展開（PCE）が広く用いられています。しかし、PCEサロゲートの精度は、実験計画（ED）、すなわち訓練サンプルの集合に大きく依存します。

従来の静的なサンプリング戦略（ラテン超立方体サンプリング、モンテカルロ法など）は、すべての点を事前に選択します。これは単純なケースでは効果的ですが、既評価のサンプルから得られる情報を活用することができません。この制限は、出力ごとに感度、複雑さ、または平滑性が異なる可能性がある多出力問題において特に顕著になります。単一の静的な設計では、すべての出力を同時に適切に表現できない可能性があります。逆に、出力ごとに個別の適応的サンプリングを行うことは、計算コストを増大させ、データの整合性を損なうリスクがあります。Novákらによって提案された分散ベースの$\Theta$基準のような既存の適応的基準は、単一出力問題向けに定式化されており、効率性や一貫性を損なうことなく、ベクトル値のQoIへと直接一般化することはできません。

手法
本論文は、多出力PCEサロゲートモデルを構築するための、一般化された適応的逐次サンプリング戦略を提案しています。核心となるのは、単一出力の$\Theta$基準を多出力の文脈へと拡張した手法です。

1. 多出力$\Theta$基準： 本手法は、候補プールから新しいサンプルを選択する際、「搾取（exploitation）」（高分散領域を標的にすること）と「探索（exploration）」（空間的な被覆を確保すること）のバランスを取る統一された基準を最大化します。基準は以下のように定義されます：
   $$\Theta(\xi^{(c)}) = \left( \prod_{r=1}^{N_{out}} \frac{\sigma^2_r(\xi^{(c)})}{\max_{\xi^{(c)}_i \in S_c} \sigma^2_r(\xi^{(c)}_i)} \right)^{1/2} \times \left( \prod_{r=1}^{N_{out}} \frac{\sigma^2_r(\xi^{(s)})}{\max_{\xi^{(s)}_i \in S_s} \sigma^2_r(\xi^{(s)}_i)} \right)^{1/2} \times l_{c,s}^M$$
   ここで：

   • $\xi^{(c)}$ は候補点であり、$\xi^{(s)}$ は現在のEDにおけるその最近傍点です。
   • $\sigma^2_r(\xi)$ は、点$\xi$における第$r$出力の局所的な分散への寄与を表します。
   • 最初の2つの項は、全出力にわたる正規化された分散集約を構成し、高次元空間において候補が距離のみに基づいて選択されることを防ぐために幾何平均を利用しています。
   • $l_{c,s}$ は、候補点と最近傍点との間のユークリッド距離であり、探索項として機能します。
   • $M$ は入力ベクトルの次元数です。

2. 適応プロセス： アルゴリズムは、EDを反復的に拡充します。まず小さな初期設計から開始し、PCEサロゲートを構築した後、$\Theta$基準を最大化する点を候補プールから選択します。このプロセスは、停止基準が満たされるか、計算予算が尽きるまで継続されます。

3. 評価指標： パフォーマンスは、平均絶対誤差（MAE）、最大絶対誤差（$AE_{max}$）、相対分散誤差（$\epsilon_{var}$）、およびLeave-One-Out（LOO）交差検証誤差（$Q^2$）を用いて評価されます。

主な貢献

• 適応的サンプリングの一般化： 本論文は、多出力PCEのための逐次的適応サンプリングフレームワークを一般化し、ベクトル値の応答に対して一貫した単一のEDを構築するという課題に対処しました。
• 正規化された分散集約： 複数の出力から分散への寄与を集約する、新しい基準を導入しました。このアプローチは、高分散領域での不確実性を低減する必要性と、空間的被覆を維持する必要性のバランスを取ります。
• 出力の不均質性の処理： 本手法は、出力ごとに変動性や近似の難易度が異なる可能性を考慮しており、各出力に対する個別のサンプリングによる非効率性を回避します。

結果
提案手法は、3つの数値例を通じて検証されました：

1. 2Dミラーライン特異点： 急峻な勾配と特異点を持つ合成関数。$\Theta$基準は、ラテン超立方体サンプリング（LHS）と比較して、MAEおよび相対分散誤差においてより速い収束を示しました。また、特異曲線付近にサンプルを効果的に集中させ、一様なLHS設計が見逃す局所的な特徴を捉えることに成功しました。さらに、繰り返しの試行における変動性も低減されました。
2. 鉄筋コンクリート梁： 15個の出力（曲げモーメントおよびせん断力）と8個の乱数を含む構造工学の問題。$\Theta$基準は、LHSと比較して、最悪ケースの予測誤差（$AE_{max}$）において優れた精度を達成し、分散推定においてより速い収束を実現しました。また、標準偏差のバンドをより狭く維持しており、高い堅牢性を示しました。
3. 洋上風力発電機（OWT）： 風による曲げモーメントと、マルチフィジックス結合された変位の2つのケースを分析しました。両方のケースにおいて、$\Theta$基準は最悪誤差の制御において優れた性能を示し、参照分散値へより迅速に収束しました。本手法は、限られたサンプリング予算の下で、極端な応答に関連する領域を特定することに特に有効であることが証明されました。

意義と主張
著者らは、提案された多出力$\Theta$基準が、PCEサロゲートモデリングにおける適応的サンプリングのための実用的かつ堅牢なフレームワークを提供すると主張しています。本研究の意義は、以下の能力にあります：

• 限られた計算予算の下での多出力問題に対するサロゲートの精度と安定性の向上。
• 静的なサンプリング手法（LHSなど）と比較した、二次統計量（分散）のより信頼性の高い推定。
• 結果の試行間の変動性を低減し、UQプロセスの堅牢性を高めること。
• 高分散領域または極端な応答に関連する領域を効率的に特定することであり、これは複雑な工学システムにおける信頼性解析や限界状態評価において極めて重要です。

本論文では、限界事項についても認めています。具体的には、事前定義された候補プールへの依存（非常に高次元な問題では生成が計算コスト的に高くなる可能性があること）や、反復的なスパース回帰更新に伴う計算オーバーヘッドの可能性などが挙げられます。今後の課題として、主成分分析（PCA）を用いた明示的な相関処理の取り扱いや、マルチエレメントPCEとの統合の検討が示唆されています。