2022 Fiscal Year Research-status Report
シミュレーションと機械学習の協調による予測に基づいた動的負荷分散手法の開発
| Project/Area Number |
20K21787
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
下川辺 隆史 東京大学, 情報基盤センター, 准教授 (40636049)
|
|---|
| Project Period (FY) |
2020-07-30 – 2024-03-31
|
| Keywords | ステンシル計算 / 高性能計算 / 機械学習 / 高生産フレームワーク / 適合細分化格子法 / 動的負荷分散 |
|---|
| Outline of Annual Research Achievements |
流体計算などの格子に基づく計算では、高精度が必要な領域をより高精細な格子で計算できる適合細分化格子(AMR)法がマルチスケール問題解決の鍵となる技術として注目されている。本研究では、大規模GPUスパコンで従来と比較して極めて高性能なAMR計算を実現するため、機械学習によりシミュレーションの「未来」の結果を予測し、それに基づき計算負荷を動的に分散する手法を開発する。開発手法を課題代表者らが開発中のAMR法フレームワークへ導入し、様々な実アプリケーションへ適用することを目指す。
本年度は、まず、深層学習で、規模の大きい流体シミュレーションの 「未来」の結果を予測する手法を発展させた。昨年度までの研究では、複数の時間ステップを一つの空間の次元として捉えてEncoder-decoderモデルを基盤に、畳み込み層とそれに対応する逆畳み込み層の間にスキップ接続を導入し、速度勾配などを損失関数に加えた深層ニューラルネットワークモデルを構築した。本年度は、これを効率的に学習するため、データセットが流体の流れる方向に依存しないように、学習データとして用いたシミュレーションの結果を回転や反転させ、それらもデータセットに加えることでデータ拡張し、その結果、予測精度を向上させることができた。精度が向上したことで、深層学習による予測を繰り返し適用することが可能となり、これによって従来より長い時間経過後の結果を予測可能であるという知見を得た。
これと並行して、AMR法フレームワーク自体を近年大規模計算に向いた計算手法として注目されている格子ボルツマン法に適用できるように高度化した。流体中を移動する物体を含むシミュレーションに対して、物体周りの局所的領域だけを高解像度にするシミュレーションが可能となった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度は、機械学習で規模の大きい流体シミュレーションの 「未来」の結果を予測する手法を発展させた。
昨年度までの研究で開発した深層ニューラルネットワークモデルに対して、データ拡張し学習を行うことで、予測精度を向上させることができた。この結果に基づき、深層学習による予測を繰り返し適用することで、従来より長い時間経過後の結果まで予測することが可能であるという知見を得た。一方で、シミュレーション結果の予測精度には向上する余地があることもわかってきた。開発中の手法で、より長い時間経過したシミュレーション結果を予測しようとすると、しばしば予測値が計算結果と比べて全体的にずれることがある。予測精度向上のためには、これを解決する必要があり、そのために、さらに高度な損失関数を導入する必要があると考えており、その検討を進めている。
これと並行して、AMR法フレームワーク自体を近年大規模計算に向いた計算手法として注目されている格子ボルツマン法に適用できるように高度化した。本課題では、「未来」の結果の予測に基づいた動的負荷分散手法を実アプリケーションへ導入し有効性を検証する予定であり、そのアプリケーションの準備は進んでいる。
現在は、損失関数の高度化について検討を行っている。また、高度化したフレームワークへ深層学習を基盤とした動的負荷分散を導入する方法の検討を進めている。当初の計画では、深層学習を基盤とした動的負荷分散の開発は完了している予定であったが、基盤となる深層学習による予測の精度向上を実現することが計画をより進展させるためには重要と考え、そちらの研究開発に時間を費やしている。
新型コロナウイルス感染症の感染拡大のため、実施期間延長を行い、一部で進捗に若干の遅れが生じているものの、計画全体ではおおむね順調に進展している。
|
| Strategy for Future Research Activity |
流体シミュレーションの 「未来」の結果を深層学習で高い精度で予測するには、より高度な損失関数を導入する必要があると考えている。令和5年度の前半は、
損失関数として元々の流体シミュレーションが満たす方程式に基づいたものを導入することを検討している。これにより、予測がシミュレーション結果に近づくことが期待され、長時間のシミュレーション結果の予測が可能となるよう研究開発を進める。AMR法による局所的に解像度が異なるデータは均一な格子データへ変換した後、深層学習の推論を適用する。昨年度までに得た知見に基づき、これをパッチ的に適用することで、計算領域全体に対して「未来」を予測する手法を開発する予定である。AMR法フレームワークに導入済みの従来型の動的負荷分散手法を置き換える形で、予測に基づいた動的負荷分散手法の開発を進める。
令和5年度の後半は、開発した動的負荷分散手法を実際のアプリケーションへと導入を進める。開発中のAMR法フレームワークを用いて、移動物体周りの流れを計算できる格子ボルツマン法コードは開発済みである。これに開発した動的負荷分散手法を導入して大規模な流体シミュレーションを実行することを試み、提案手法の有効性を検証する。また、流体アプリケーションや音響解析などへの適用を試みる。
|
| Causes of Carryover |
新型コロナウイルス感染症の感染拡大のために、参加を予定していた国際会議や国内学会への参加を取りやめたことで、主に旅費およびその他（学会参加費など）で次年度使用額が生じた。次年度は、新型コロナウイルス感染症の状況が改善されることが見込まれているため、国際会議や国内学会への参加を行う計画であり、次年度使用額は主に旅費として使用する予定である。
|
