Information-Based Symbolic Regression of Local Closures for RANS Transition Modeling

空気力学の世界において、翼やタービンブレードの上を流れる空気の挙動は、常に一定ではありません。旅の始まりにおいて、空気は層流と呼ばれる、滑らかで秩序ある層として移動します。しかし、移動するにつれて、これらの層は突如として、乱流と呼ばれる混沌とした渦巻く塊へと崩壊することがあります。この変化は「遷移」と呼ばれ、極めて重要な瞬間です。これは、空気が表面に及ぼす摩擦の量や、熱の伝達方法、そして最終的には物体が受ける揚力や抗力の量を変えてしまいます。風力タービンからジェットエンジンに至るまで、あらゆるものを設計するエンジニアにとって、この切り替わりが正確にどこで、いつ起こるのかを予測することは、現代物理学における最も困難な課題の一つです。

これらの流れをコンピュータ上でシミュレートするために、科学者たちは乱流の微細で急速な変動を平均化する一連の方程式を使用しています。しかし、これらの平均化された方程式には「盲点」があります。それは、滑らかな流れから混沌とした流れへの遷移を自然に捉えることができないという点です。これを解決するために、エンジニアは「クロージャ（閉鎖則）」と呼ばれる追加のルールを導入します。これらは局所的なセンサーとして機能します。これらのセンサーは、流れ全体を見渡すのではなく、単一の地点で利用可能な情報のみを用いて、流れの状態を推測しようとします。問題は、既存のルールがしばしば粗い近似であり、古いデータや簡略化された仮定に基づいていることです。それらは特定の状況下では十分に機能しますが、条件が変化すると失敗することがあり、航空機や機械の不正確な予測につながります。

スペインとフランスの研究チームは現在、これら局所的なセンサーに対して新たな視点を持ち込んでいます。彼らは、従来の試行錯誤や複雑で説明不可能なコンピュータモデルに頼る代わりに、情報理論と記号回帰（シンボリック・リグレッション）を組み合わせた手法を用いました。これは、データに自ら語らせる方法、つまり、物理的現実を記述する最も単純で正確な数学的文章を探索する方法だと考えてください。理想的な流体フローの膨大なライブラリを分析することで、彼らは空気の局所的な状態を計算するための、より精密な新しい方法を発見しました。その後、彼らはこれらの新しい公式を、空気力学における標準的なテストケースである平板のフルシミュレーションでテストしました。その結果、新しい公式は局所的な物理現象を記述することにおいてははるかに正確であったものの、実際の遷移の瞬間を予測できるかどうかは、流れの特定の条件に大きく依存することが明らかになりました。これは、複雑なシステムの一部分を改善しても、必ずしも全体の結果が良くなるとは限らないという事実を明らかにしています。

研究者たちは、遷移を研究するための制御された環境を作成することから着手しました。彼らは、ファルクナー・スカン・プロファイルとして知られる有名な数学的解のファミリーを使用しました。これらの解は、空気が前方に押し出される場合から減速する場合まで、異なる圧力条件下での平坦な表面上の空気の流れを記述しています。この完璧で理論的な世界において、研究者たちは2つの主要な量、すなわち、摩擦によって空気の流れがどれだけ減速したかを測る「運動量厚さ」と、表面に沿って圧力がどのように変化するかを測る「圧力勾配パラメータ」の正確な答えを知っていました。これらの量は遷移を予測するために不可欠ですが、実際のコンピュータシミュレーションでは直接利用できません。エンジニアは通常、壁からの距離や近くの空気の速度といった局所的な手がかりを用いて、これらを推定しなければなりません。

チームの第一歩は、どの局所的な手がかりに最も有用な情報が含まれているかを判断することでした。彼らは、この問題を最も情報量の多い信号を探す探索のように扱いました。情報理論に基づいた手法を用い、理論的なデータベースにある正確で既知の答えを最もよく予測できるのはどの局所変数の組み合わせであるかを、何千もの組み合わせに対してテストしました。その結果、圧力勾념パラメータについては、壁に対して垂直方向の空気速度の変化と、壁からの距離の二乗を組み合わせた特定の組み合わせが最も情報量の多い手がかりであることが分かりました。これは驚くべきことではなく、既存の古い公式の構造と一致しており、従来の直感が物理的に妥当であることを裏付けていました。しかし、運動量厚さについては、探索によってより優れた候補が見つかりました。従来の手法は流体の回転に基づく変数に依存していましたが、今回の新しい分析では、局所的な速度と壁からの距離の単純な比率が、異なる流れの条件下でもはるかに一貫しており信頼できることが示されました。

これらの優れた手がかりを特定した後、研究者たちは第二段階として、局所的な手がかりと真の値とを結びつける正確な数学的公式を見つけ出す作業に移りました。彼らは「デジタル錬金術師」のように機能する、記号回帰と呼ばれるツールを使用しました。データをあらかじめ決められた形に押し込めるのではなく、このツールは数百万もの可能な数学的表現を生成・テストし、正確かつ単純なものだけを残していきます。目標は、コンピュータコードに簡単に書き込めるようなコンパクトな方程式を見つけることでした。その結果、真の物理量を従来の方法よりもはるかに高い精度で再構成する、一連の新しい明示的な公式が得られました。圧力勾配パラメータについては、従来の線形公式では捉えきれなかった微妙なニュアンスを捉える複雑な多項式となりました。一方、運動量厚さについては、非常に単純な線形関係が最適であり、それは極めて正確であると同時に実装も容易でした。

しかし、真のテストは、これらの公式が単独でどれほどうまく機能するかではなく、それらが遷移モデルの完全な動作シミュレーションの中に組み込まれたときにどのように機能するかでした。チームは、エンジニアリング・ソフトウェアで使用される標準的な一式の方程式モデルに、これらの新しい公式を実装し、様々な条件下での平板上の空気の流れを含む有名な実験セットであるERCOFTAC T3シリーズのシミュレーションを実行しました。これらの実験には、高乱流、低乱流、および異なる圧力勾配のケースが含まれていました。結果は示唆に富むものでした。いくつかのケース、特に中程度から高い乱流や強い圧力勾配がある場合には、新しい公式は遷移が発生する場所の予測を改善しました。シミュレーションは、元のモデルよりも実験データに密接に一致しました。

それでも、物語は単純な勝利ではありませんでした。非常に低い乱流強度を伴う2つの特定のケースにおいて、新しい公式は予測を悪化させてしまいました。あるケースでは遷移が早すぎると予測され、別のケースでは遅すぎると予測されました。この結果は、複雑なモデリングにおける重要な教訓を浮き彫りにしました。すなわち、単一のコンポーネントを改善しても、自動的に機械全体が直るわけではないということです。遷移モデルは、相互に作用する多くの部品による繊細なバランスの上に成り立っています。研究者が新しい局所的な公式に入れ替えたとき、彼らはシステム全体のバランスを変えてしまったのです。いくつかのシナリオでは、新しい、より正確な局所データが、モデルの他の部分（例えば、流入する乱流の強度を推定する方法など）の弱点を露呈させました。研究者たちは、これらの新しい局所的な公式に合わせるために、この乱流強度を推定する既存のルールを更新する必要があるかもしれないと指摘しました。そのような調整なしには、新しい公式の恩恵は失われるか、あるいは逆効果になる可能性があります。

本研究は、情報ベースの記号回帰が、より明確で正確な局所的なルールを作成するための強力なツールではあるものの、遷移モデリングの全問題を解決する魔法の杖ではないと結論付けています。新しい公式は、局所的な物理現象をより忠実に表現しており、将来の改善のための強固な基礎を提供しています。しかし、研究者たちは、これらの新しいルールがすべての状況で完璧に機能するためには、モデルのアーキテクチャの他の部分を再校正する必要がある可能性があると強調しています。この研究は、データ駆動型の手法を用いて乱流モデルの構成要素を体系的に洗練させる道筋を示していますが、同時に、流体力学という複雑な世界においては、全体像を浮かび上がらせるためにすべてのピースが完璧に適合していなければならないということを思い出させてくれます。研究者たちは、より複雑な三次元の流れへと研究を拡張し、同様の方法で改善できるかどうかを確認するためにモデルの他の部分にも再訪し、遷移の予測が、それが記述する物理現象と同じくらい信頼性と透明性を備えた未来を目指す計画です。