2023 Fiscal Year Research-status Report
A self-adaptive surrogate model for non-stationary responses with high-degree-of-freedom model coefficients obtained nonparametrically
| Project/Area Number |
22K19765
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
下山 幸治 九州大学, 工学研究院, 教授 (80447185)
|
|---|
| Project Period (FY) |
2022-06-30 – 2025-03-31
|
| Keywords | 代替モデル |
|---|
| Outline of Annual Research Achievements |
工学設計の最適化においては，高価な出力関数（性能）の評価を安価な代数式近似に置き換える「サロゲートモデル」の併用が欠かせない．しかし，従来のモデルはモデル係数を一定（定常）値として構築されるため，多峰性の強い応答に追従できない．そこで本研究では，多自由度のモデル係数を用いた，多峰性応答に自己追従できる非定常サロゲートモデルの開発に取り組む．
本年度は，関連研究の文献調査を踏まえた結果，サロゲートモデルの基底関数（カーネル）をあらかじめ複数種類用意し，これらを複合学習させることで，任意の応答スケールに適合できるサロゲートモデルの開発に取り組んだ．これにより，従来の単一カーネルに基づくサロゲートモデルに比べて，非定常性の強い応答への適合能力の改善が期待される．さらに，忠実度の異なる評価データを2種類用いて，サロデートモデルを階層的に構築する方法にも取り組んだ．複合カーネル化および階層化を組み合わせたサロゲートモデルを，非線形性の強い流体機械の性能予測に適用したところ，既存の定常サロゲートモデルに比べて，評価コストを抑えつつ予測精度を改善できることを実証した．
複合カーネル化はサロゲートモデルの定式化の変更を必要としない（カーネルの定義を変更するだけで良い）利点がある一方，サロゲートモデルが表現できる非定常性には限界がある．よって，前年度から取り組んでいる，局所応答スケールに適合する非定常モデル係数の分布推定にも継続して取り組む．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
研究代表者の他大学への異動に伴い，新天地での本務に研究時間が割かれているため．
|
| Strategy for Future Research Activity |
局所応答スケールに適合する非定常モデル係数の分布推定の実装を継続する．その後，開発したサロゲートモデルの精度を評価する．さらに，工学設計問題にも適用し，既存モデル（単一カーネル，複合カーネル）と比較することで，最適解の探索性能への影響を評価する．
|
| Causes of Carryover |
研究代表者の他大学への異動に伴い，研究遂行に想定以上に時間を要したため．
次年度は，サロゲートモデルのセッションが企画されている機械学会・応用数理学会などでの情報収集・成果発表のための出張旅費に使用する予定である．
|
