Hybrid coupling with operator inference and the overlapping Schwarz alternating method

기술 요약: 연산자 추론(Operator Inference)과 중첩 슈바르츠 교대법(Overlapping Schwarz Alternating Method)을 이용한 하이브리드 결합

문제 정의
다중 스케일 모델링 및 시뮬레이션(mod/sim)은 복잡한 공학 시스템을 설계하는 데 필수적이지만, 심각한 병목 현상에 직면해 있습니다. 전통적인 고충실도 시뮬레이션(Full Order Models, 이하 FOM)은 실행 시간이 길고 까다로운 격자 생성 요구사항을 수반하며, 다중 스케일 구성 요소를 위한 단일 고품질 격자를 생성하는 데 몇 주가 걸릴 수도 있습니다. 투영 기반 차수 축소 모델(Reduced Order Models, 이하 ROM)은 온라인 계산 복잡성을 줄이는 경로를 제공하지만, 종종 체계적인 정밀화 메커즘이 부족하고, 예측 영역에서의 안정성이 떨어지며, 기저가 되는 FOM 코드에 대한 침투적(intrusive) 접근이 필요합니다. 또한, 물리 정보 신경망(PINNs)과 같은 신흥 무격자(mesh-free) 방식은 해석 가능성, 훈련 비용 및 수렴성 측면에서 어려움을 겪고 있습니다. 따라서 단일 격자나 침투적인 코드 수정 없이 서로 다른 모델, 격자 및 시간 적분 방식을 통합할 수 있는 유연한 결합 전략이 절실히 필요합니다.

방법론
본 논문은 서브도메인 국부적이고 비침투적인 연산자 추론(OpInf) ROM을 서로, 그리고 이를 서브도메인 국부적 FOM과 중첩 슈바르츠 교대로(Overlapping Schwarz Alternating Method, 이하 O-SAM)를 사용하여 결합하는 하이브리드 도메인 분해 기반 접근 방식을 제안합니다.

1. 연산자 추론 (OpInf): 저자들은 비침투적 모델 축소 기법인 OpInf를 활용합니다. 지배 방정식을 축소된 기저(basis)에 투영하는 대신(이는 코드 접근을 요구함), OpInf는 최소제곱 회귀를 통해 스냅샷 데이터로부터 축소된 연산자(선형, 이차 및 삼차)를 직접 학습합니다. 본 논문은 비선형성을 포착하기 위해 삼차 함수 형태(COpInf)에 집중하지만, 이차(QOpInf) 및 선형 형태도 고려됩니다.
2. 중첩 슈바르츠 교대법 (O-SAM): 물리적 도메인은 중첩되는 서브도메인으로 분해됩니다. 이 방법은 서브도메인 국부 문제를 반복적으로 해결하며, 솔루션의 호환성을 보장하기 위해 인터페이스를 통해 디리클레(Dirichlet) 경계 조건 정보를 교환합니다.
   • 이종 결합 (Heterogeneous Coupling): O-SAM은 서로 다른 모델(FOM-ROM, ROM-ROM), 서로 다른 격자 해상도, 서로 다른 요소 유형, 그리고 서로 다른 시간 단계(예: 암시적 vs 명시적, 서로 다른 타임 스텝)를 원활하게 통합할 수 있게 합니다.
   • 하향식 훈련 (Top-Down Training): OpInf ROM은 전체 도메인에 대한 결합된 FOM-FOM O-SAM 시뮬레이션을 실행하여 생성된 데이터를 사용하여 "하향식"으로 훈련됩니다. 이는 독립적인 서브도메인 시뮬레이션을 피하고 결합된 인터페이스 역학을 포착할 수 있게 합니다.
   • 경계 축소 (Boundary Reduction): 3D 문제의 대규모 경계 자유도(DoF)를 처리하기 위해, 저자들은 경계 연산자를 추론하기 전에 경계 강제 벡터의 차원을 축소하는 경계 POD 기저를 사용합니다.
   • 정규화 선택 (Regularization Selection): 훈련 궤적의 고정된 경계 데이터를 사용하여 ROM을 시뮬레이션함으로써, 모든 파라미터 후보에 대해 전체 결합 솔루션을 요구하지 않고도 안정성을 보장하는 최적의 OpInf 최소제곱 문제 정규화 파라미터를 선택하는 오프라인 알고리즘을 제안합니다.

주요 기여

• 새로운 결합 프레임워크: 본 연구는 OpInf ROM을 결합하기 위해 O-SAM을 적용한 최초의 사례 중 하나를 제시하며, 기존의 FOM-FOM 및 침투적 ROM 결합 연구를 확장합니다.
• 고차 OpInf: 저자들은 선형 및 이차 형태를 넘어 삼차 OpInf (COpInf) ROM의 사용을 도입하고 입증하였습니다.
• 이질적 적분: 본 방법론은 서로 다른 시간 적분기와 시간 단계를 가진 모델들을 성공적으로 결합하며, 이는 이 문맥에서 OpInf 기반 결합에서 이전에 입증되지 않았던 능력입니다.
• 3D 비선형 고체 역학: 본 접근 방식은 초탄성 재료(Saint Venant–Kirckhoff 및 Neohookean 모델), 다양한 격자 해상도, 그리고 서로 다른 요소 유형(사면체 vs 육면체)을 포함하는 실제적이고 복잡한 3D 고체 역학 문제에 대해 검증되었습니다.
• 효율성 전략: 저자들은 경계 POD 기저를 통한 연산자 크기 축소와 결합된 서브도메인 문제에 특화된 자동 정규화 파라미터 선택 방법을 포함하여 O-SAM 효율성을 개선하기 위한 특정 전략을 도입했습니다.

결과
방법론은 1D 선형 탄성 파동 전파 문제, 3D 볼트 조인트(bolted joint) 문제, 3D 비틀림(torsion) 문제, 3D 인장 시편(tension specimen) 문제 등 네 가지 수치 테스트 케이스를 통해 평가되었습니다.

• 정확도: 하이브리드 결합(FOM-OpInf 및 OpInf-OpInf)은 변위 및 속도 필드에 대한 상대 오차 측면에서 유사한 FOM-FOM 결합보다 우수한 성능을 보이며 높은 정확도를 달 기록했습니다. 1D 파동 전파 사례에서, 충분한 POD 모드를 가진 OpInf-OpInf 결합은 FOM-FOM 결합 대비 "초수렴(super-convergence)"을 달성했습니다. 3D 볼트 조인트 문제에서 변위 및 속도에 대해 0.1%만큼 낮은 상대 오차가 달성되었습니다.
• 수렴성: 하이브리드 결합을 위한 O-SAM 반복은 일반적으로 FOM-FOM 결합보다 적은 반복 횟수(흔히 2~5회) 내에 수렴했습니다. 저자들은 이를 표준 유한 요소 형상 함수에 비해 POD 모드에 기반한 OpInf 솔루션의 더 매끄러운 성질 때문이라고 설명합니다.
• 속도 향상: 이 접근 방식은 상당한 계산 속도 향상을 가져왔습니다.
  • 3D 비틀림 문제에서는 최대 23.5배의 속도 향상이 관찰되었습니다.
  • 3D 인장 시편 문제에서 가장 공격적인 결합(QOpInf-QOpInf)은 허용 가능한 정확도를 유지하면서 대응하는 FOM-FOM 결합 대비 10⁶ 배의 속도 향상을 달성했습니다.
• 예측 능력: 본 방법론은 견고한 예측 능력을 입증했습니다. 볼트 조인트 및 비틀림 문제에서 특정 초기 조건 또는 파라미터 세트로 훈련된 모델은 미학습 조건에 대해 일반적인 공학적 허용 오차 범위(변위에 대해 흔히 <5%) 내에서 성공적으로 솔루션을 예측했습니다.

의의 및 주장
본 논문은 이 하이브리드 O-SAM 접근 방식이 다중 스케일 시뮬레이션의 두 가지 과제인 긴 실행 시간과 복잡한 격자 생성을 해결한다고 주장합니다. 고충실도 모델과 축소 모델의 임의의 조합을 "플러그 앤 플레이" 방식으로 결로하여, 이 방법은 FOM 코드에 대한 침투적 접근 없이도 효율적인 시뮬레이션 워크플로우를 가능하게 합니다.

저자들은 이 전략이 특히 단일 격자 생성이 너무 복잡한 기하학적 구조를 가진 문제에 적합하며, 이를 통해 오프라인에서 대체 기하학/격자를 생성하고 O-SAM을 통해 이를 원활하게 통합할 수 있다고 강조합니다. 현재 작업은 고체 역학에 집중되어 있지만, 저자들은 이 방법론이 광범위한 편미분 방정식(PDE)에 적용 가능하다고 밝히고 있습니다. 본 연구는 더 효율적인 공학 시뮬레이션을 향한 단계로 제시되며, 향후 비중첩 도메인 분해, ROM과 FOM 간의 적응형 전환, 그리고 SIERRA/SM과 같은 프로덕션 코드와의 통합을 계획하고 있습니다.