A mesh-free multiresolution deep energy method with phase-field modeling of brittle fracture

技術要約：脆性破壊のフェーズフィールド・モデリングのためのメッシュフリー多解像度ディープ・エナジー法

問題提起
脆性材料における亀裂の核生成と成長の予測は、計算固体力学における中心的な課題であり続けている。従来のシャープクラック法は、亀裂の幾何学的形状を明示的に追跡するか、再メッシュ化やエンリッチメント戦略を必要とするが、これらは亀裂の分岐、合体、または相互作用が発生する場合に複雑化する。フェーズフィールド・モデリングは、破壊をエネルギー汎関数の最小化として再定式化することでこの問題に対処し、明示的な亀裂集合を、正則化長さ $l$ に比例する拡散帯に局在化するスカラー・フェーズフィールドに置き換える。しかし、このアプローチは厳格な解像度の要件を課す。すなわち、離散化は局在化帯を解像しなければならず、かつその経路は事前に未知である。

既存のニューラルネットワークを用いたソルバー（Deep Ritz/Deep Energy法）は、フェーズフィールド破壊に適用した際、以下の2つの具体的な失敗モードに直面する：

1. 平滑化バイアス（Smoothness Bias）： 滑らかな活性化関数を持つ標準的なニューラルネットワークは、滑らかな関数に偏る傾向がある。そのため、急峻な局在化帯を表現することが困難であり、学習の遅延や、偽のギブス現象のような振動を誘発する全域的な振動的特徴が生じやすい。
2. 固定点集合の搾取（Fixed Point Set Exploitation）： 積分点が固定されている場合、最適化アルゴリズムは、サンプリングされた点においてのみエネルギーを最小化し、点の間で場が劣化するような「ゼロエネルギーモード」の構成を見つけ出してしまう。これにより、非物理的な亀裂伝播や、伝播の失敗が生じる。

従来の救済策は、多くの場合、メッシュのような構造（例：適応型求積格子、勾配のための有限要素補間）を再導入したり、急激な変化を抑制してしまう重み正則化に依存したりしていた。

手法
著者らは、これらの失敗モードの両方に、メッシュ構造に回帰することなく、離散化そのものの中で対処する、完全なメッシュフリー・ディープ・エナジー法を提案している。コアとなる構成要素は以下の通りである：

1. 多解像度特徴量エンコーディング（Multiresolution Feature Encoding）：
   入力座標を、$C^1$ 連続な二次Bスプライン格子によって構築された多解像度特徴量エンコーディングで拡張する。

   • 解像度の限界（Resolution Cap）： 最細の格子間隔 $h$ は、正則化長さ $l$ の固定された分数（例：$h = 0.26l$）として設定される。これにより、表現可能な最小スケールのハードリミットが確立され、最初のイテレーションから亀裂帯を表現できることが保証される。
   • $C^1$ 連続性： 二次Bスプラインの使用は、全域的な $C^1$ 連続性を保証する。これは、第四階の破壊エネルギー密度（$\Delta \phi$ を含む）にとって極めて重要であり、これにより、高次の試行空間や混合定式化を必要とせずに、単一の離散化上でモデルを実行できる。
   • 階層構造： 粗い格子は滑らかな大規模応答を捉え、最細の格子は局所的な残差を捉える。これはマルチグリッドの論理を模倣しており、学習を加速させる。

2. 再サンプリング・モンテカルロ積分（Resampled Monte Carlo Integration）：
   エネルギー汎関数は、層化モンテカルロ積分を用いて推定される。

   • 動的サンプリング： 積分点は、最適化の各イテレーション（または数イテレーションごと）に描き直される。これにより、いかなる固定点集合も排除され、最適化アルゴリズムが推定エネルギーを人工的に下げるために特定の構成を搾取することを防ぐ。
   • 層化（Stratification）： サンプリング密度は、3つの層の混合である。すなわち、一様なバルク層、既存およびシードされた亀裂に集中する亀裂層、そして亀裂先端の前方の損傷帯に集中するプロセスゾーン層である。これにより、固定メッシュを用いることなく、必要な場所に解像度を集中させる。

3. 場の表現と境界条件：

   • 単一のニューラルネットワークが、生の変位およびフェーズフィールドの値を出力する。
   • 厳密な境界条件： 必須の境界条件は、「リフト（Lifts）」（境界で消失するエンベロープ関数をネットワーク出力に乗じ、既知のデータを加える手法）を通じて厳密に課される。これにより、ペナルティ重みを回避する。
   • 曲面ドメイン： 曲面幾何学は、正確なNURBS写像を介して扱われる。内部の穴は、境界適合メッシュではなく、ドメインマスク（指示関数）を用いて管理され、このマスクは積分中のエネルギー密度に直接適用される。
   • 不可逆性： 亀裂の不可逆性は、履歴場を用いるのではなく、前ステップのフェーズフィールドに対する片側二次ペナルティを用いて強制される。これにより、再サンプリング・スキームとの互換性が維持される。

主な貢献

• 学習ではなくエンコーディングによる解像度： 亀裂帯を解像できる能力は、ネットワークが急峻な特徴を学習する速度ではなく、特徴量格子の解像度の選択によって決定される。
• 再サンプリングによる安定性： 解像度の限界設定と、毎イテレーションの点再サンプリングの組み合わせが、亀裂の伝播失敗や非物理的な結果を防ぐために必要であることが示されている。
• 高次モデルのための統一された離散化： エンコーディングの $C^1$ 連続性により、第四階の破壊エネルギー密度を、高次の試行空間や混合定式化を必要とせず、全く同じ離散化上で自動微分パスを追加するだけで解くことができる。
• ゼロショット汎化： 本手法は、ランダムなマルチクラック構成の公開ベンチマークデータセットに適用されており、事前の学習データや構成ごとのチューニングなしに、Deep Ritzのベースラインを上回る性能を示した。

結果
本手法は、6つの数値例によって評価された：

1. 単一エッジノッチ（SEN）引張およびせん断： 計算された荷重－変位曲線は、引張におけるピーク荷重でスタッガード有限要素法のリファレンスと約1%、せん断において約3%以内で一致した。亀裂経路およびフェーズフィールドもリファレンスと密接に一致した。
2. 亀裂分岐： 明示的な追跡やキンキング基準なしに、対称なY字型の分岐パターンを正常に再現した。
3. エン・エシェロン亀裂の合体： 3つの既存の亀裂が単一の階段状パターンへと合体した。ピーク荷重はリファレンスの6%以内であった。
4. 円孔を持つプレート： 弾性段階はKirsch解によって検証された。亀裂の核生成は、既存の亀裂なしに、最大周方向応力の点において自然に発生した。
5. 厚肉リング： 曲面ドメインが単一のNURBSパッチ上で解かれ、等幾何学（isogeometric）文献で報告されている亀裂経路を再現した。
6. ランダム・マルチクラック・ベンチマーク： 10個のランダムな構成（各11〜17個の亀裂）のデータセットにおいて、本手法はシードされた亀裂の活性／休止状態をゼロショット実行で90%正しく分類した。平均Diceスコアは、引張で0.739、せん断で0.824を達成し、学習済みサロゲート（0.680および0.733）および、一貫したパターンを生成できなかったDeep Ritzのベースラインを上回った。

意義と主張
本論文は、提案された離散化が、高い表現力（亀裂帯を表現するため）と安定した積分（ゼロエネルギーモードを避けるため）という、ニューラルネットワークを用いたエネルギー最小化における根本的な対立を解決することを主張している。

• 堅牢性： 本手法は、ネットワークの初期化やサンプリング順序に対して堅牢であり、これは、異なるランダムシードによって異なる亀裂パターンを生じさせていた従来のニューラルネットワーク・アプローチからの重要な改善である。
• 柔軟性： メッシュ管理、追跡、またはマルチパッチ結合を行うことなく、複雑なトポロジー（分岐、合体）、曲面幾何学、および高次モデルを扱うことができる。
• 限界： 著者らは、本手法は単一の準静的解への「高速な経路」ではないことを明示している。1ロード増分あた唱の計算コストは、有限要素法よりも約1桁高い。価値提案は、メッシュ管理の排除、複雑な亀裂トポロジーの自然な処理、およびソリューションの堅牢性に置かれている。
• 範囲： 本研究は、固定された正則化長を持つ2次元準静的問題に限定されている。使用されたハイブリッドひずみエネルギー分解は、変分的に整合していないことが指摘されているが、モードII負荷における実用的な必要性として受け入れられている。

本研究は、離材設計が適切になされれば、メッシュフリー・ディープ・エナジー法が、フェーズフィールド・モデリング固有の幾何学的柔軟性とトポロジーの自由度を提供しつつ、有限要素法のリファレンスに匹敵する精度を達成できることを実証している。