Efficient strain-space hyperreduction in large-deformation solid mechanics

技術要約：大変形固体力学における効率的な歪み空間ハイパーリダクション

問題提起
歪み空間（strain space）で動作するモデル次数低減（MOR）手法は、計算ホモジナイゼーション、特に代表体積要素（RVE）において優れた性能を示すことが近年示されている。しかし、これらの手法の適用は、この特定の文脈に限定されてきた。これらを一般的な大変形固体力学問題へと拡張することには、重大な課題が存在する。変位ベースの手法とは異なり、歪み空間手法ではディリクレ境界条件（BC）を直接強制することができない。なぜなら、境界における積分点の歪みは明示的に既知ではなく、境界値は通常、歪みではなく変位として規定されるためである。さらに、標準的な歪み空間アプローチは周期境界条件に依存することが多く、これは任意の境界値を持つマクロスケールの問題には適用できない。

手法
著者らは、任意かつパラメータ化されたディリクレBCを持つ問題に、歪み空間MORを適用するための汎用的なフレームワークを提案している。コアとなる手法は、以下の3つのコンポーネントで構成される。

1. リフティングによる境界処理： 非ゼロのディリクレBCを満たすために、著者らはリフティング戦略を採用している。各独立した境界における単位変位値に対して、境界と整合した参照場（reference field）がオフラインで計算される。実際の解は、この参照場（実際の境界値によってスケーリングされたもの）と「ゆらぎ場（fluctuation field）」に分解される。ゆらぎ場は、その構成上、すべてのディリクレ境界で消失する。これにより、低減基底（プロパー直交分解（POD）から導出）が境界条件を a priori で満たすことが可能となる。このアプローチにより、不均一なBCが、低減ソルバーにとっての均一なBCへと変換される。

2. 歪み空間定式化： 著者らは、この新しい設定に対して3つの特定のハイパーリダクション手法を一般化している。

   • 歪み空間ECM（Empirical Cubature Method）： 要素レベルの演算をバイパスし、ガウス点での直接的な低減積分を行うように再定式化されている。
   • 歪み空間E3C（Empirically Corrected Cluster Cubature）： 任意の機械的問題に一般化されている。E3Cは、歪み空間における積分点と重みを最適化し、それらが元のメッシュのガウス点とは異なることを可能にする。
   • 歪み空間EMSL（Empirical Material Sampling and Linearisation）： RVEを超えて拡張されている。EMSLは、クラスターごとの平均的な期待歪みの周りで材料挙動を線形化する。正確な材料則を近似的に積分する他の手法とは異なり、EMSLはクラスターごとの線形近似を正確に積分するため、ロードステップごとに反復的なニュートン・ラフソン・ソルバーを必要としないアフィン問題となる。

3. 比較ベースライン： これらの歪み空間手法は、堅牢で構造保存的なベースラインとして、標準的な変位空間のエネルギー保存サンプリングおよび重み付け（ECSW）法と比較検証されている。

主な貢献

• 歪み空間MORの一般化： 本研究は、計算ホモジナイゼーションから、任意のディレクレBCを持つ一般的な大変形固体力学への歪み空間MOR手法（ECM、E3C、EMSL）の適用を成功させた。
• 新規な境界処理： リフティングによるゆらぎ場定式化の導入により、境界歪みデータを必要とせずに、歪み空間において任意の境界条件を課すことが可能となった。
• 包括的なベンチマーク： 逆パラメータ推定、材料パラメータの変化、および複雑な荷重経路（引張、せん断、混合荷重）を含む2つのハイパーエラスティック（超弾性）の例を用いて、歪み空間手法と変位空間のECSW法との厳密な比較を行った。

結果
手法は、楕円形の穴を持つ2つのハイパーエラスティック板の問題でテストされた。

1. 例1（中程度の変形）： 最大20%の歪みを受ける引張荷重下の板。
2. 例2（大変形および複雑な荷重）： 同様の形状で、引張（最大50%）、せん断（最大25%）、および混合荷重を受ける、より細かいメッシュと高い計算コストを伴うケース。

性能に関する知見：

• 精度 vs 実行時間： 両方の例において、歪み空間手法は、精度と実行時間のトレードオフにおいて、変位空間のECSWを一貫して上回った。
• 加速率：
  • E3C： 高い精度（例：<1%の誤差）を維持しながら、フルオーダーモデルに対して約10,000倍（例1）および30,000倍（例2）の加速を実現した。十分な積分点が使用された場合、E3Cは計算予算に対して、検討された歪み空間手法の中で一般に最高の精度を提供した。
  • EMSL： 卓越した実行効率を示し、最大100,000倍（例1）および300,000倍（例2）の加速を実現した。EMSLは、オンラインおよびオフラインの予算が非常に限られている場合に優れており、速度においてはE3Cを上回ることが多いが、多くの積分点を用いたE3Cと比較すると、高度に非線形な領域ではわずかに精度が低下する場合がある。
  • ECM： ECSWよりも優れた性能を示したが、特定の指標においてはE3CやEMSLに後れを取った。
• オフラインコスト： E3Cは反復的な最適化によりオフラインの学習フェーズがより高価であるが、著者らはこれが管理可能であり、学習データを生成するために必要な時間よりも大幅に短いことを指摘している。EMSLは最も低いオフラインコストを持つ。

意義および主張
本論文は、提案された手法が、計算ホモジナイゼーションを超えた歪み空間MOR技術の研究を正当化するものであると主張している。著者らは、これらの技術が以下の利点を提供することを強調している。

• 優れた効率性： 高い精度を維持しながら、オンラインの実行時間を劇的に短縮（数桁のオーダー）できる。
• 非侵入性： これらの手法は、変位、歪み、および応力のデータ（ブラックボックス・ソルバーから容易に抽出可能）と材料ルーチンのみを必要とする。要素レベルの演算や、離散化の詳細（要素タイプなど）や残差ベクトルの知識を必要としない。
• 適用可能性： 任意のディレクレBCの取り扱いに成功したことは、これらの効率的な手法をマクロスケールの構造問題に適用する上での大きな障壁を取り除いた。

著者らは、高度に非線形な問題（弾塑性など）やEMSLにおけるクラスターごとの歪みの推定といった課題は依然として残っているものの、示された性能は、これらの手法が現在計算コストが極めて高い制御、最適化、および材料モデル適合における新しい工学的応用を可能にすることを示唆していると結論づけている。