A partitioned scheme for adjoint shape sensitivity analysis of fluid-structure interactions involving non-matching meshes
本文提出了一种基于黑箱伴随求解器的流固耦合形状梯度的分区求解方法。特别注意将梯度投影到未变形的构型上。这是由于在这项工作中的大位移流固耦合的混合拉格朗日-欧拉公式。伴随流固耦合问题被划分为已知的伴随流体和结构问题的集合,而不需要昂贵的交叉导数。子伴随问题通过用辅助函数增强目标函数而彼此耦合,独立于底层伴随公式的具体选择。辅助功能是线性力为基础的或位移为基础的泛函,这是现成的单学科的伴随求解器。伴随结构位移、伴随流体位移和流体的基于域的伴随灵敏度是伴随求解器之间要交换的耦合场。一个减少配方也推导出的情况下,基于边界的伴随形状灵敏度分析的流体。数值研究表明,完整的配方计算准确的形状梯度,而不准确的出现在减少梯度,特别是在强流梯度和附近的奇点。然而,降低梯度配方被发现是计算成本和准确性之间的折衷。研究了计算伴随流固耦合问题中的最近单元插值和Mortar方法等映射技术。数值结果表明,迫击炮方法不引入寄生振荡的原始和灵敏度字段沿非匹配接口,不像最近的元素插值。
2019-12-06 cs.NA math.DG math.NA
A stabilized march approach to adjoint-based sensitivity analysis of chaotic flows
针对混沌流传统敏感性分析失效问题,提出使用stabilized march计算伴随影子轨迹的方法,通过指定边界条件避免最小二乘求解,在保证收敛性的同时显著降低了计算成本。
2025-07-13 cs.NA math.NA math.OC
Second-order adjoint sensitivity analysis methodology (2nd-asam) for large-scale nonlinear systems: II. Application to a nonlinear heat conduction benchmark
University of South Carolina(南卡罗来纳大学)
本文展示将Cacuci(2015)提出的二阶伴随灵敏度分析方法应用于非线性热传导基准,该基准模拟含加热棒的液态铅铋合金实验段,具有精确解,揭示了数学推导。通过六个大规模伴随计算,精确计算了温度响应对五个模型参数的五阶一阶和十五阶二阶导数,仅需修改热传导微分算子的右端源项。
2016-01-21 cs.NA math.NA math.OC
A Modified Multiple Shooting Algorithm for Parameter Estimation in ODEs Using Adjoint Sensitivity Analysis
为了提高模型的预测能力,需要估计其未知参数。常微分方程模型中的参数估计方法大多收敛范围小或计算量大。另一方面,多重射击的方法介于这两个极端之间。该算法的计算量主要是由于目标函数和约束函数的方向导数的计算。在这里,我们修改{的}多次射击算法使用伴随方法在计算这些衍生物。在文献中,这种方法被认为是计算标量函数梯度的一种更稳定和计算效率更高的方法。一个捕食-食饵系统被用来显示该方法的性能,并提供所有必要的信息,一个成功的和有效的实施。
2020-06-28 cs.NA math.NA math.OC
An Adjoint-Sensitivity Framework for Lost-in-the-Middle Phenomena in Causal Residual Transformers
该研究为因果残差变压器的位置影响构建伴随灵敏度框架,通过定义相关密度推导其演化,给出定理及分解,探讨多种机制对U形轮廓的作用,提出边界优势及相关诊断或正则化器,模拟表明各干预可控,相关平衡或加权不必然降低诊断。
2026-07-21 cs.LG math.OC stat.ML
Second order adjoint sensitivity analysis in variational data assimilation for tsunami models
我们从数学上推导出海啸建模的数据同化结果的灵敏度,在观测运营商的扰动。我们考虑一维浅水方程变分数据同化方案的结果,用于(i)初始条件重建,以及(ii)Kevlahan等人提出的测深检测。(2019,2020)。我们使用变分方法推导出一个费用函数J的Hessian,它表示预测解和观测值之间的误差。使用Shutyaev等人(2017,2018)概述的这种Hessian表示和方法,我们分别在数学上推导出任意响应函数对情况(i)和(ii)的观测扰动的灵敏度。这种分析可能证实了早期工作的结果,收敛的充分条件,以及传播的表面波对水深重建误差的敏感性。这种灵敏度分析将说明观测网络的特定元素是否比其他元素更关键,并有助于最大限度地减少观测收集的额外成本和预测模型的效率。
2020-03-15 cs.NA math.FA math.NA
Computing Sensitivities in Evolutionary Systems: A Real-Time Reduced Order Modeling Strategy
我们提出了一种新的方法来计算灵敏度在进化系统中使用模型驱动的低秩近似。为此,我们制定了一个变分原理,旨在减少减少近似和灵敏度动态的时间导数之间的距离。一阶最优性条件的变分原理导致一个系统的封闭形式的发展方程的规范正交基和相应的灵敏度系数。这种方法允许通过在运行中提取不同灵敏度之间的相关性来以准确和易处理的方式计算相对于大量参数的灵敏度。该方法需要求解前向发展方程,避开了伴随灵敏度的前向/后向工作流所施加的限制。例如,所提出的方法,不像伴随方程,不施加任何I/O负载,并可用于实时灵敏度感兴趣的应用中。我们证明了三个测试情况下的实用程序的方法:(1)计算灵敏度相对于模型参数的Rossler系统(2)计算灵敏度相对于一个无限维强迫参数的混沌Kuramoto-Sivashinsky方程和(3)计算灵敏度相对于反应参数的物种传输在湍流反应流。
2020-12-27 math.OC
A Fully Discrete Adjoint Method for Optimization of Flow Problems on Deforming Domains with Time-Periodicity Constraints
各种打靶法计算完全离散的时间周期解的偏微分方程,包括牛顿Krylov和优化为基础的方法,进行了讨论,并用于确定周期性的,可压缩的,粘性流周围的二维扑翼。Newton-Krylov方法使用无矩阵GMRES来求解非线性迭代中出现的线性方程组,通过线性化的灵敏度发展方程计算矩阵向量乘积。伴随方法用于计算基于梯度的优化打靶法的梯度。牛顿-克雷洛夫方法显示出优越的收敛到这些流体问题的最优解,并充分利用质量的起始数据。本文的主要贡献是推导了全离散、时间周期约束的偏微分方程的伴随方程和相应的伴随方法。这些伴随方程构成一个线性的,两点边值问题,证明是可解的。周期伴随方法被用来计算感兴趣的量沿流形的离散偏微分方程,这是验证对二阶有限差分近似的时间周期解的梯度。这些梯度,然后使用基于梯度的优化框架,以确定在可压缩的,粘性流在一个单一的周期,使时间平均推力是相同的零能量最佳的扑翼运动的二维翼型。在小于20次的优化迭代中,扑翼能量降低了近数量级,推力约束满足5位数的精度。
2016-08-12 math.OC
Adjoint Sensitivities for the Optimization of Nonlinear Structural Dynamics via Spectral Submanifolds
Politecnico di Milano(米兰理工大学);TU Delft(代尔夫特理工大学);Southern University of Science and Technology(南方科技大学)
本文提出基于谱子 manifold 的优化方法,通过灵敏度分析高效优化非线性机械系统的动态响应。
2025-03-21 cs.CE math.OC
Sensitivity Analysis for Hybrid Systems and Systems with Memory
University of Wisconsin-Madison(威斯康星大学麦迪逊分校);The Goodyear Tire & Rubber Company(固特异轮胎橡胶公司)
本文提出了一种用于混合离散-连续系统的伴随灵敏度方法,扩展了之前发表的正向灵敏度方法。我们处理了普通微分方程和指数至二阶(赫森伯格)的微分代数方程,并为灵敏度和伴随系统在模式切换点的一致初始化和状态转移提供了充分可解条件。此外,我们还将分析扩展到所谓的含记忆混合系统,其中任意给定模式的动力学显式依赖于上一个模式转换点的状态。我们展示了几个数值示例,包括基于所谓的指数模型本构材料定律的计算力学问题,用于钢加固材料在循环加载下的分析。
2019-04-18 cs.NA math.NA math.OC
Randomized Truncated SVD Levenberg-Marquardt Approach to Geothermal Natural State and History Matching
Levenberg-Marquardt(LM)方法通常用于反演用于描述地热、地下水或油气藏的模型。在之前的研究中,通过应用矩阵分解方法或迭代线性求解器来近似求解更新方程,LM参数更新对于具有大数据集的高度参数化反问题变得易于处理。一些研究已经表明,基于使用Lanczos迭代实现的无量纲灵敏度矩阵的截断奇异值分解(TSVD)的模型更新可以加快储层模型的反演。Lanczos迭代只需要灵敏度矩阵乘以一个向量和它的转置乘以一个向量,这是有效地使用伴随和直接模拟,而不需要形成一个大的灵敏度矩阵。然而,Lanczos迭代具有串行过程的缺点,需要单独的伴随求解和直接求解每个Lanczos迭代。随机化方法,为低秩矩阵近似的大矩阵,是更有效的替代标准的Lanczos方法。在这里,我们开发了LM变体,使用随机方法在更新参数时找到无量纲灵敏度矩阵的TSVD。随机化方法通过使所有伴随和直接问题的参数更新的同时解决方案提供了更高的效率。
2017-10-03 math.OC physics.geo-ph
Exact discrete-adjoint optimization of trap timing and placement in a Stieltjes-time reaction-diffusion model: A Galicia case study
CITMAga (Centro de Investigación e Tecnoloxía Matemática de Galicia), Departamento de Estadística, Análisis Matemático y Optimización, Facultade de Matemáticas, Universidade de Santiago de Compostela(圣地亚哥-德孔波斯特拉大学);IFCAE (Instituto de Investigación en Física, Computación e Ciencia Aeroespacial), Departamento de Matemática Aplicada II, Universidade de Vigo(维戈大学)
研究针对斯蒂尔杰斯时间反应扩散模型的陷阱定时与放置控制问题,通过推导精确离散伴随等方法,经基准测试和实际案例验证,实现机器精度一致性及伴随加速,联合控制优于其他控制,降低诊断目标,框架可重现。
2026-07-29 math.OC
On the Stability of Gradient Based Turbulent Flow Control without Regularization
在本文中,我们讨论了选定的伴随方法的湍流控制。特别是,我们专注于应用伴随求解器的降噪范围,其中流动的解决方案,获得大涡和直接数值模拟。圆形和平面射流配置获得的优化结果。结果表明,使用大的控制视野提出了一个严重的问题,由于存在非常大的灵敏度值相对于控制参数的湍流控制。通常,这些敏感性随时间增长,并导致计算中的算术溢出。这一现象说明了一个精确的切线线性求解器通过算法微分技术进行的灵敏度研究。
2018-04-30 math.OC physics.comp-ph physics.flu-dyn
Data Assimilation and Sensitivity of the Black Sea Model to Parameters
为了估计模型参数对解的影响,将一种基于伴随的方法应用于浅水模式。在参数中,考虑了海底地形、初始条件、刚性边界上的边界条件、黏性系数和风应力张力的幅值。从不同的角度分析了它们的影响。两种配置进行了分析:在一个正方形的盒子和一个更现实的情况下,模拟黑海电流的模型的学术案例。在这两个实验中,刚性边界附近的边界条件的影响最多的解决方案。这一事实指出了在模型开发过程中确定最佳边界近似的必要性。
2011-12-19 math.OC physics.ao-ph
Improving the Efficiency of Gradient Descent Algorithms Applied to Optimization Problems with Dynamical Constraints
介绍了两种求解常微分方程动态约束优化问题的块坐标下降算法。该算法不需要执行直接或伴随灵敏度分析方法来评估损失函数梯度。他们的结果从原来的问题作为一个等价的优化问题与等式约束的重新制定。这些算法自然地遵循旨在基于ODE解算器恢复梯度下降算法的步骤,所述ODE解算器明确地考虑ODE解的灵敏度。在我们提出的第一个算法中,我们避免显式求解ODE集成ODE求解器作为一个序列的隐式约束。在我们的第二个算法中,我们使用一个ODE求解器来重置ODE解决方案,但没有直接的伴随灵敏度分析方法。这两种算法都接受小批量实现,并显示出显着的效率优势,基于GPU的并行化。我们证明了算法的性能时,适用于学习的Cucker-Smale模型的参数。该算法进行了比较与梯度下降算法的基础上ODE求解器赋予灵敏度分析能力,为各种数量的状态大小,使用Pytorch和Jax实现。实验结果表明,所提出的算法比Pytorch实现至少快4倍,比Jax实现至少快16倍。对于Cucker-Smale模型的大型版本,Jax实现比基于敏感性分析的实现快数千倍。此外,我们的算法在训练和测试数据上都能生成更准确的结果。计算效率的这种增益对于实现实时的参数估计的算法(诸如诊断算法)是至关重要的。
2022-08-26 cs.LG math.OC
Optimal Control for Chemotaxis Systems and Adjoint-Based Optimization with Multiple-Relaxation-Time Lattice Boltzmann Models
研究一类重要的非线性耦合各向异性对流扩散趋化系统(NCACDCS)的最优控制问题的连续和离散伴随优化方法。这项研究的动机是考虑复杂的系统(具有复杂的几何形状)出现在不同的生物化学,生物和生物社会犯罪学问题。为了数值求解相应的非线性最优化问题,将原问题NCACDCS用耦合格子Boltzmann方法离散,并引入广义多重弛豫碰撞算子(MRT),而将伴随问题引入伴随多重弛豫格子Boltzmann模型(AMRT).首先,利用灵敏度和伴随微积分建立了最优控制问题的一阶必要最优性条件。所产生的问题离散的耦合MRT和AMRT模型,并通过梯度下降法解决。首先,一个有效的和稳定的改进的MRT模型NCACDCS的发展,并通过Chapman-Enskog分析,我们表明,NCACDCS可以正确地恢复从建议的MRT模型。对于伴随问题,离散化策略是基于AMRT模型,这被发现是简单的MRT模型,也是高效的并行性质。在此基础上,详细推导了AMRT模型的推导过程和离散成本函数梯度。所得到的方法是可靠的,高效的,实用的实施,可以很容易地纳入任何现有的MRT代码。
2019-08-11 cs.NA math.NA math.OC
Adjoint DSMC Method for Spatially Inhomogeneous Boltzmann Equation with General Boundary Conditions
Courant Institute of Mathematical Sciences, New York University(纽约大学柯朗数学科学研究所);Department of Computer Science, School of Computing, National University of Singapore(新加坡国立大学计算机学院计算机科学系);Department of Mathematics, Cornell University(康奈尔大学数学系)
本文推导了用于求解空间非均匀Boltzmann方程的DSMC数值解的伴随方程,考虑了空间传输和多种边界条件,包括周期边界、镜面反射、热反射和指定流入,通过数值实验验证了所得伴随系统。
2026-09-03 cs.NA math.NA math.OC
Sensitivity of a Shallow-Water Model to Parameters
一个基于伴随的技术应用于浅水模式,以估计模型的参数对解决方案的影响。在参数中考虑了海底地形、初始条件、刚性边界条件、黏性系数科里奥利参数和风应力张力的幅值。本文从三个方面分析了它们的影响:1.所述模型相对于与所述成本函数的最低值相关的参数的灵活性,所述成本函数的最低值可以在控制该参数的所述资料同化实验中获得; 2.通过参数的控制来改进模型的可能性,即具有最优参数的解在控制结束后是否仍然接近观测值; 3.模型解对经典意义上的参数的敏感性。这意味着分析敏感性估计值,并将其相互比较,以及与表征模型对初始条件敏感性的局部李雅普诺夫指数进行比较。两种配置进行了分析:在一个正方形的盒子和一个更现实的情况下,模拟黑海电流的模型的学术案例。在这两个实验中,刚性边界附近的边界条件的影响最多的解决方案。这一事实指出了在模型开发过程中确定最佳边界逼近的必要性。
2011-12-15 math.OC physics.ao-ph
Sensitivity analysis of chaotic systems using a frequency-domain shadowing approach
提出了一种计算混沌系统时均量对输入参数灵敏度的频域方法。这样的灵敏度不能通过传统的伴随分析工具来计算,因为正的李雅普诺夫指数的存在导致伴随变量的指数增长。所提出的方法是基于最小二乘阴影(LSS)方法[1],该方法将灵敏度评估公式化为优化问题,从而避免了解的指数增长。然而,所有现有的配方LSS(及其变体)是在时域和计算成本的比例与正李雅普诺夫指数的数量。在本文中,我们重新制定的LSS方法在傅立叶空间使用谐波平衡。新的方法进行了测试Kuramoto-Sivashinski系统和使用标准的时域配方所获得的结果相匹配。虽然直接解的代价与正李雅普诺夫指数的数目无关,但存储和计算需求随着系统的规模迅速增长。为了减轻这些要求,我们提出了一个基于解析的迭代方法,需要更少的存储。Kuramoto-Sivashinski系统的应用给出了精确的结果,计算成本非常低。该方法适用于大系统,为基于解析式的阴影法在湍流中的应用奠定了基础。需要进一步的工作来评估其性能和可扩展性。
2022-04-21 cs.NA math.AP math.DS