2023 Fiscal Year Research-status Report
深層強化学習で実現するCFD解析の高速な収束解到達のための途中解制御則の構築
| Project/Area Number |
20K04932
|
|---|
| Research Institution | Japan Aerospace EXploration Agency |
|---|
Principal Investigator |
金森 正史 国立研究開発法人宇宙航空研究開発機構, 航空技術部門, 主任研究開発員 (50770872)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
橋本 敦 国立研究開発法人宇宙航空研究開発機構, 航空技術部門, 主幹研究開発員 (30462899)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Keywords | 数値流体力学 / 深層学習 / 深層強化学習 / 時間積分 |
|---|
| Outline of Annual Research Achievements |
圧縮性数値流体力学(CFD)解析の、特に陰的な時間発展の収束加速を実現すべく、陰的時間発展コード内にパラメータを導入し、深層強化学習技術を用いてそのパラメータの制御則の構築を試みた。今年度は特に、2次元圧縮性Navier-Stokes方程式を対象として、このような加速を実現することが可能か調査した。
昨年度は、収束の遅延が見られる問題設定として、遷音速の翼型周りの流れを対象とし、その系に対して深層強化学習技術、特にProximal Policy Optimization(PPO)と呼ばれる、パラメータの値を与える方策を得る学習アルゴリズムを、MFGS陰的時間発展法及びodd/even法の組み合わせに適用し、その結果、既定の誤差に達する時間発展ステップの回数の観点で、通常の時間発展法に比べて1.8～2.2倍程度の短縮が確認された。
今年度は、上記の問題設定をそのまま踏襲しつつ、一方で未調査であった設定パラメータ（機械学習におけるハイパーパラメータ）の感度評価を実施した。その結果、学習を実施する際の1学習の単位サイズ（バッチサイズ）及び、学習結果を元にPPOによる方策のアップデートを実施するタイミングが、高速な収束を実現するための鍵となるハイパーパラメータであることが確認された。
また、Selective Frequency Dumping(SFD)と呼ばれる、指定した周波数以上の変動を抑制する技術を導入し、SFDに出てくるパラメータを学習対象とした試みを実施したが、収束の加速には寄与しないという結果が得られた。
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
2023年度は、所属機関の本務業務が多忙を極め、本科研費研究に時間を割くことがほとんどできない状態で、現在の状況に至る。そのため、2024年度も本研究案件を継続させてもらえるように申請し、受理されている。
|
| Strategy for Future Research Activity |
2024年度は、2023年度で検討していた2次元Navier-Stokes方程式について、更なる高速化を実現するための方策を検討する。実際、本提案の目標は、従来法よりも1桁短い時間発展ステップ数の実現であり、それに向けて、深層強化学習のネットワークや学習アルゴリズム、報酬の与え方など、考えられる改善手法を適用して更なる加速の実現可否を検討する。
また、3次元化、非構造格子対応に向けた方策を含めて、より詳細な方策の検討を実施する。具体的には、3次元の場合には計算負荷、学習負荷が増大するため、加速効果を維持しつつ、解析・学習コストを低減する方法を検討する。また、2次元の場合とは異なり、3次元の場合は非構造格子を対象とする予定であるため、格子トポロジーに依らずに対応ができるような方法論を検討する。
|
| Causes of Carryover |
前述の通り、2023年度は、研究業務にエフォートを割くことがほとんどできなかったため、次年度使用額として残る形となった。
|
