グラフベースCFDサロゲートにおける位相同期のための操縦基底としてのスパースオートエンコーダ

概要: グラフベースのサロゲートモデルは、高忠実度CFDソルバの高速な代替を提供しますが、その不透明な潜在空間と限定的な制御可能性は、安全性に重大な設定での利用を制限します。振動流における重要な失敗モードの1つは位相ドリフトであり、予測は質的には正しいままである一方、観測との時系列の整合が徐々に失われていきます。そのため、デジタルツインや閉ループ制御での利用が制限されます。これを再学習によって是正するのは費用がかかり、導入時には現実的ではありません。本研究では、位相ドリフトが、固定したサロゲートの潜在空間を操作することで、事後的に（post hoc）補正できるのかを問いかけます。私たちは、事前学習済みのグラフベースCFDモデルに対する位相ステアリングの枠組みを提案します。ここでは、「適切な表現」と「適切な介入メカニズム」を組み合わせます。効果的なステアリングのために分離（disentangled）した表現を得るために、凍結したMeshGraphNet埋め込みに対して疎オートエンコーダ（SAE）を用います。ダイナミクスをステアするため、スケーリングやクランプといった静的な特徴ごとの介入を超えて、時間的に一貫した位相に配慮した方法を導入します。具体的には、ヒルベルト解析により振動的な特徴ペアを同定し、SVDによって空間場を低ランクの時間係数へ射影し、振幅—位相構造を保ちながら周期モードを前進または遅延させる滑らかな時変回転を適用します。表現に依存しない設定により、同一の介入パイプラインの下で、SAEに基づくステアリングとPCAおよび生の埋め込み空間を比較します。その結果、疎で分離された表現が、密で絡み合った表現よりも優れていること、またこのダイナミクスの設定では静的介入が失敗することが示されます。全体として、本研究は、潜在空間のステアリングが、介入が基盤となるダイナミクスを尊重するならば、意味的な領域から時間依存の物理システムへ拡張できることを示します。さらに、解釈可能性のために用いる同じ疎な特徴が、物理的に意味のある制御軸としても機能し得ることを示しています。