Homotopy surrogate model assisted double-loop approach for efficient structural reliability-based design optimization

エンジニアは、橋梁、航空機、あるいは超高層ビルの設計において、長らく困難なトレードオフに直面してきました。一方で、材料のわずかな差異、予期せぬ荷重の変化、寸法の不完全さといった現実世界の予測不可能な性質に耐えうる十分な安全性を確保しなければなりません。他方で、これらの構造物が実用性を損なうほど重く、高価になりすぎることも避けなければなりません。安全性のための伝統的な設計手法は、こうした小さな不確実性を無視することが多く、その結果、設計が危険なほど脆弱になるか、あるいは不必要に嵩張るかのどちらかになっていました。これを解決するために、「信頼性に基づく設計最適化（reliability-based design optimization）」と呼ばれる分野が登場しました。このアプローチは、不確実性を無視すべき厄介者としてではなく、計算すべき中心的な要因として扱い、最悪のシナリオにおいても数学的に生存できる確率を維持しつつ、可能な限り最も軽量な構造を見つけ出すことを目的としています。

この手法の課題は、安全性の計算に膨大なコンピュータ・タイムを要することです。ある設計が安全かどうかを知るためには、エンジニアは数千通りの異なる「起こりうる現実」をシミュレーションし、わずかな変動のあらゆる組み合わせに対して構造がどのように振る舞うかを検証しなければなりません。最適化のプロセスにおける個々の設計変更ごとにこれを行うと、数週間、あるいは数ヶ月の計算能力を要することもあり、複雑な実世界のプロジェクトにとっては手法が遅すぎることになります。武漢理工大学の研究者たちは、精度を犠牲にすることなく、これを高速化する新しい方法を開発しました。彼らは、エンジニアが毎回フルセットの重いシミュレーションを実行することなく、不確実性下での構造の振る舞いを予測できる、高度なショートカットのような手法を作り出したのです。

彼らの新手法の中核となるのは、「静的ホモトピー代理モデル（static homotopy surrogate model）」と呼ばれる数学的ツールです。過去に計算を高速化しようとしたエンジニアたちは、データ駆動型モデルに頼ることがよくありました。これは、過去の写真を数枚見て天気を推測しようとするようなものです。これらのモデルは、パターンを学習するために膨大な訓練データを必要とし、もしデータが乱れていたり不完全であったりすると、予測が誤ってしまう可能性があります。新しいツールは異なる道を歩みます。例から学習するのではなく、特定の数学的展開を用いて、不確実な入力と構造の応答との間に直接的かつ明示的なマップを構築します。これにより、膨大な過去のライブラリを学習させる必要がなく、初期設定さえ完了すれば、ほぼ瞬時に正確な予測を生成できます。これは、単に結果を暗記するのではなく、問題の物理学を直接理解する、より根本的なアプローチです。

このツールをさらに効率的にするため、研究者たちは巧妙な「再利用戦略」を加えました。例えば、あるエンジニアが新しい橋を設計していると想像してください。コンピュータがさまざまなバージョンの橋をテストしていく中で、すでに分析済みの設計と非常によく似た設計に何度も遭遇することがあります。新しい設計ごとに新しい予測モデルを構築する代わりに、この新手法は履歴を確認します。もし新しい設計が以前のものと十分に近ければ、システムは古い予測モデルをそのまま再利用します。これにより、複雑な数学的マップをゼロから構築する必要がなくなり、膨大な時間を節約できます。研究者たちは、このショートカットが適用される条件を厳格に定めており、古いマップが依然として正確であると言えるほど設計が類似している場合にのみ、再利用が行われるようにしています。

研究チームはこのアプローチを、単純な数学パズルから複雑な実世界の構造物まで、4つの異なる問題でテストしました。まず、小さな変化が巨大で予測不可能な結果をもたらすタイプの困難な方程式である「強非線形問題」から開始しました。次に、橋や塔によく使われるフレームワークである、10本のバーを持つものと72本のバーを持つ、2種類の異なるトラス構造についてもテストを行いました。最後に、数千の個別のパーツで構成された詳細な戦闘機用ウィングボックスのモデルに適用しました。あらゆるケースにおいて、この新手法は、従来の低速な手法が見出したものと同等の安全性と効率性を備えた設計を見出しました。

結果は、最適な設計を見つけ出すために必要な時間の劇的な減少を示しました。10本のバーを持つトラスでは、既存の技術と比較して、重いコンピュータ・シミュレーションの回数を99パーセント以上削減できました。20種類の不確実な要因を含む72本のバーを持つトラスでは、その節約効果はさらに顕著であり、計算作業をほぼ99パーセント削減しました。非常に多くの部品を含む複雑なウィングボックスに対しても、この手法は、通常必要とされる計算能力のほんの一部しか使用せずに、より軽く、より安全な設計を見つけることができました。研究者たちは、予測モデルを再利用することで、数百回の設計反復にわたって新しいモデルの構築をスキップでき、実質的に、はるかに大きなチームが行う仕事を、ごくわずかな時間で行えることを発見しました。

この研究は、安全性に関わる設計における高い計算コストというボトルネックが、解決不可能な問題ではないことを示唆しています。物理学に基づいた予測ツールと、過去の成果を再利用するスマートな戦略を組み合わせることで、エンジニアは今や、より幅広い設計の可能性を探求できるようになりました。これは将来、構造物が、果てしないコンピュータ・シミュレーションの実行という禁止的なコストを課されることなく、より軽く、より効率的で、より安全に設計されることを意味します。この手法は、厳格な安全性チェックの必要性を置き換えるものではありませんが、これらの高度な技術を多くの複雑なエンジニアリング上の課題へと届かなくさせていた障壁を取り除くものなのです。