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

通过仿真和机器学习的协作开发基于预测的动态负载平衡方法

基本信息

批准号：
20K21787
负责人：
下川辺隆史
金额：
$ 4.16万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Challenging Research (Exploratory)
财政年份：
2020
资助国家：
日本
起止时间：
2020-07-30 至 2024-03-31
项目状态：
已结题

项目摘要

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。

在基于网格的计算（例如流体计算）中，拟合的细分晶格（AMR）方法允许计算需要高精度和高清光栅的区域，它吸引了注意作为解决多规模问题的关键技术。在这项研究中，为了通过大规模的GPU超级计算机实现极高的绩效AMR计算，我们开发了一种方法，该方法可以预测使用机器学习的仿真结果的“未来”结果，并基于此预测计算负载。目的是将开发方法介绍给问题代表正在开发的AMR方法框架，并将其应用于各种实际应用。今年，我们首先开发了一种使用深度学习预测大规模流体模拟的“未来”结果。在研究直到去年之前，我们使用编码器模型将多个时间步骤视为空间的单个维度，并基于编码器模型模型，我们引入了卷积层与相应的去倾斜层之间的跳过连接，并构建了深层神经网络模型，从而添加了质量梯度和其他功能以损失损失函数。为了在今年有效地学习这一点，我们能够旋转并颠倒用作训练数据的模拟结果，以便数据集不取决于流体流动的方向，并将它们添加到数据集中以扩展数据，从而提高了预测准确性。提高的准确性使得可以使用深度学习反复应用预测，这使我们知道可以预测较长时间后的结果。与此同时，已经对AMR方法框架本身进行了完善，以便将其应用于晶格Boltzmann方法，该方法最近将注意力作为一种适用于大规模计算的计算方法。对于包括在流体中移动的对象的模拟，现在只能为对象周围的本地区域模拟高分辨率。

项目成果

期刊论文数量（18）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

AMR-Net: Convolutional Neural Networks for Multi-resolution Steady Flow Prediction

AMR-Net：用于多分辨率稳态流预测的卷积神经网络

DOI：
10.1109/cluster48925.2021.00102
发表时间：
2021
期刊：
The 2nd Workshop on Artificial Intelligence and Machine Learning for Scientific Applications, IEEE Cluster 2021
影响因子：
0
作者：
Asahi Yuuichi;Hatayama Sora;Shimokawabe Takashi;Onodera Naoyuki;Hasegawa Yuta;Idomura Yasuhiro
通讯作者：
Idomura Yasuhiro

High-Resolution Simulations using an AMR Framework on GPU Supercomputers

在 GPU 超级计算机上使用 AMR 框架进行高分辨率模拟

DOI：
发表时间：
2020
期刊：
影响因子：
0
作者：
Shimokawabe;T.;Onodera;N.
通讯作者：
N.

Performance Optimization Of Lattice Boltzmann Method On A64FX

A64FX 上格子玻尔兹曼方法的性能优化

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
Takuro Omori;Takashi Shimokawabe
通讯作者：
Takashi Shimokawabe

格子ボルツマン法によるインピーダンス境界を用いた音響解析手法の構築

使用格子玻尔兹曼方法构建使用阻抗边界的声学分析方法

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
鈴木翔太;下川辺隆史
通讯作者：
下川辺隆史

格子ボルツマン法に基づくGPUを用いた音響解析

基于格子玻尔兹曼法的GPU声学分析

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
鈴木翔太;下川辺隆史
通讯作者：
下川辺隆史

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

下川辺隆史其他文献

AMR 法フレームワークの様々なアーキテクチャへ向けた発展

AMR 法律框架向不同架构的演变

DOI：
发表时间：
2018
期刊：
影响因子：
0
作者：
富田史章・長田幸仁・太田雄策・木戸元之・日野亮太;下川辺隆史
通讯作者：
下川辺隆史

大規模phase-fieldシミュレーションの現状

大规模相场模拟研究现状

DOI：
发表时间：
2017
期刊：
影响因子：
0
作者：
高木知弘;大野宗一;澁田靖;坂根慎治;三好英輔;下川辺隆史;青木尊之
通讯作者：
青木尊之

実アプリを用いた様々なアーキテクチャからなる計算機システムの性能評価

使用真实应用程序评估由各种架构组成的计算机系统的性能

DOI：
发表时间：
2013
期刊：
影响因子：
0
作者：
深沢圭一郎;片桐孝洋;大宮学;江川隆輔;大島聡史;青木尊之;下川辺隆史;荻野正雄;岩下武史;東田学
通讯作者：
東田学

人工知能と自然知能の対話・協働による地震研究の新展開

人工智能与自然智能对话协作推动地震研究新进展

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
Maya Tojima;Atsushi Shima;Takefumi Hitomi;Tomohiko Murai;Hirofumi Takeyama;Katsuya Kobayashi;Kiyohide Usami;Akihiro Shimotake;Masao Matsuhashi;Nobukatsu Sawamoto;Ryosuke Takahashi;Akio Ikeda;下川辺隆史;長尾大道
通讯作者：
長尾大道