Core Concepts
Durch Manipulieren des Berechnungsgraphs des Zielmodells lassen sich redundante Auswertungen vermeiden und die Modellauswertungskosten auf Tensorrastereingaben deutlich reduzieren.
Abstract
Die Studie präsentiert eine neue Methode namens "Accelerated Model evaluations on Tensor grids using Computational graph transformations" (AMTC), die darauf abzielt, die Modellauswertungskosten auf Tensorrastern durch Transformationen des Berechnungsgraphs erheblich zu reduzieren.
Die Kernidee von AMTC besteht darin, den Berechnungsgraphen des Zielmodells strategisch zu modifizieren, um redundante Auswertungen auf Operationsebene algorithmisch zu entfernen. Die Methode wurde in den Compiler einer neuen Modellierungssprache, der Computational System Design Language (CSDL), implementiert.
Die Wirksamkeit von AMTC wurde anhand von vier Testproblemen zur Unsicherheitsquantifizierung demonstriert, die ein analytisches Kolbenmodell, ein multidisziplinäres unbemanntes Luftfahrzeugmodell, ein mehrpunktiges Lufttaxianalysemodell und ein eindisziplinäres Rotormodell umfassen. Für drei der vier Testprobleme reduzierte AMTC die Modellauswertungskosten um 50% bis 90%, was die vollständige Gitter-NIPC-Methode zur effizientesten Methode unter den implementierten UQ-Methoden für diese Probleme macht.
Stats
Für das Kolbenmodell reduzierte AMTC die Modellauswertungszeit um 50-60%.
Für das multidisziplinäre Modell brachte AMTC eine Beschleunigung von etwa 90%.
Für das mehrpunktmodell reduzierte AMTC die Auswertungszeit um 70-90%.
Für das Rotormodell war die Beschleunigung durch AMTC gering, da eine implizite Operation den Großteil der Auswertungszeit ausmachte.
Quotes
"Durch Manipulieren des Berechnungsgraphs des Zielmodells lassen sich redundante Auswertungen vermeiden und die Modellauswertungskosten auf Tensorrastereingaben deutlich reduzieren."
"Die Kernidee von AMTC besteht darin, den Berechnungsgraphen des Zielmodells strategisch zu modifizieren, um redundante Auswertungen auf Operationsebene algorithmisch zu entfernen."