【無料で読める】3D物理シミュレーションで実践できる 多パラメータ最適化の新手法(アップデート版)

[基本的にこちらのアップデート版の方がソフトも例題も良いので、こちらの購入を御検討願います] 近年、最適化については機械学習のハイパーパラメータ探索等含め多数活用されるようになっておりますが、適用対象から得られるデータの量や特性によっては既存の手法以上に効率の良い方法があるのでは無いかと考えております。
その中の一つとして、既存の方法に比べ下記の様なメリットを見込める方法を考案しました。(特に物理シミュレーション向けを想定しておりますが、その他でも活用できる可能性あり)
・パラメータ数の増大に対して試行数が指数関数的に増えるのを抑え、かつ乱数依存を減らして交互作用の取りこぼしが少ない。
・並列性が高く、コアの稼働率を高められる。(グリッドサーチに近いという所から来ているが、グリッドサーチでは試行数が多くなりがちなのを抑止する工夫をする)
・試行開始段階で比較的少しの評価数でモデルとパラメータ上下限値の妥当性を検証可能。(上下限値の振り幅が小さく、機会逸失になっているパラメータの探索含む)
まだ有効性の確認数は十分で無いですが、今後これを様々な問題に適用、検証しやすいようGUI上でパラメータ分配、多コアへのジョブ割振り、スコア-パラメータ分析が可能なユーティリティソフト(以下単にソフト)の形で実装しました。
(オープンソース環境で完結しており、商用ソフトへの依存は無し)
また、このソフトの例示としてイメージしやすい3D流体解析モデル(飛行機形状の最適化)を準備しましたので(下記linuxをインストールできるスペックのPCがあれば実行可能)パラメータ最適化問題に取り組んでおられる、または今のところ単に物理シミュレーションを走らせたいという方々にでも参考になる事を期待しております。
(ソフトはMITライセンスで、飛行機形状のモデルと流体シミュレーション設定とこれらを操作するpythonファイルが電子書籍購入者のみの利用想定)
実行環境としましては流体シミュレーター(OpenFOAM)の動作環境がセッティング済みのlinuxディストリビューションのDEXCS2020で動くようになっております。
(DEXCSシリーズは通常のlinuxのようにHDD/SDDに直接インストールしたり、windowsからもVMwarePlayerをインストールしてそ の中の仮想マシンの一つとしてインストールしたり出来ます。)

目次
1章
パラメータ最適化の新戦略
2章 網羅パターン
2-1 n項目中2項目網羅パターンの生成方法
2-3 n項目中3項目網羅パターンの生成方法(1)
2-3 n項目中3項目網羅パターンの生成方法(2)
2-4 n項目中4項目以上の網羅パターンの生成方法
2-5 n項目中隣接m項目の網羅パターンの生成方法
2-6 パターンのモジュレーション
2-7 網羅パターンの連続変数パラメータへの適用方法
3章
subスコアと機械学習の導入
3-1 subスコアの導入
3-2. subスコアの設定方法
3-3. 本手法での機械学習の活用対象
4章
サンプルプログラム、最適化ユーティリティのセッティング方法
4-1 サンプルプログラム(プロジェクトディレクトリ)の設置
4-2. sklearnのインストール
4-3. GUIソフトの設置、起動
5章
GUIソフトの表示内容、各種ボタン類の機能解説
5-1. ツリーGUI
5-1-1. ディレクトリツリー部構成
5-1-2. コマンドパート構成
5-1-3. log表示パート構成
5-1-4. ボタンパート構成
5-2. テーブルGUI
5-2-1. learnDir表示パート
5-2-2. 寄与度(機械学習)と勾配の計算アイコンパート構成
5-2-3. 付帯情報パートへのデータ・セットボタンパート
5-2-4. 機械学習寄与度、または勾配の結果表示パート構成
5-2-5. 推奨変動向き表示パート構成
5-2-6. 付帯情報列パート構成
5-2-7. ボタンパート構成
5-2-1. log表示パート
6章
本書の例示で使う物理モデル概要
6-1. 風洞全体(外観、寸法設定、境界条件設定)
6-2. 上面図( 取得するスコア、subスコアについて解説)、側面図、斜視図
6-3. メッシュ概要(Z=0平面)
6-4. ParaViewでの圧力等のシミュ結果確認例
6-4. CAD上で割り振るパラメータの箇所
7章
8パラメータ(前後翼 の形状変動)モデルでの例示
7-1. subスコア-パラメータのbindを手動設定しての探索
7-2. TreeTypeをfcPascalにしての探索
7-3. subスコア、パラメータの機械学習での評価
8章
16パラメータ(前後翼+胴体 の形状変動)モデルでの例示
8-1. subスコア-パラメータのbindを手動設定しての探索
8-2. subスコア、パラメータの機械学習での評価
9章
パラメータ境界条件の上下限値の移動、拡大検討方法と適用例(機会逸失の軽減)
9-1. パラメータ境界条件の上下限値の移動、拡大検討方法
9-2. 16パラメータ(前後翼)飛行機モデルへの適用例
Appendix
A. 用語定義
B. 関連ファイル群
C. target.py概要解説、内側並列の設定方法