노이즈 균형 다중레벨 실시간 희소 격자 대리모델링

초록

본 논문은 고차원 매크로 변수와 샘플링 노이즈가 섞인 Monte Carlo 기반 고정밀 모델을, 단일 하이퍼파라미터 하나로 제어되는 다중레벨 온‑더‑플라이(ML‑OTF) 희소 격자(sparse grid) 서러게이트로 대체하는 방법을 제시한다. 희소 격자 이산화 오차와 Monte Carlo 샘플링 노이즈를 정량적으로 분리·균형 맞춤으로 각 데이터 포인트에 필요한 시뮬레이션 비용을 최적화하고, 다차원 입력 공간에서도 효율적인 학습을 가능하게 한다. 이 기법을 1차원‑원리(kMC) 촉매 모델과 고정‑베드 반응기 연계 시뮬레이션에 적용해 높은 정확도와 적은 계산 비용을 입증하였다.

상세 분석

이 연구는 다중스케일 시뮬레이션에서 고정밀 마이크로스케일 Monte Carlo 모델(HFM)을 직접 호출할 경우 발생하는 계산량 폭증 문제를 해결하고자 한다. 핵심 아이디어는 두 종류의 오차—희소 격자 보간에 의한 이산화 오차와 Monte Carlo 샘플링에 내재된 통계적 노이즈—를 명시적으로 분리하고, 각각을 균형 있게 제어하는 ‘노이즈‑밸런싱’ 전략을 도입하는 것이다. 이를 위해 저자들은 기존의 희소 격자 보간법을 다중레벨(on‑the‑fly) 형태로 확장하였다.

1. 희소 격자와 다중레벨 구조: 전통적인 희소 격자는 차원 수가 증가해도 격자 포인트 수가 완전 텐서 격자보다 훨씬 적게 유지되는 장점이 있다. 여기서는 계층적 선형 기저함수(ϕₗ,ᵢ)를 사용해 계층적 잉여(αₗ,ᵢ)를 계산하고, 레벨 L에 따라 보간 정확도를 조절한다. 다중레벨(on‑the‑fly) 접근은 사용자가 실제로 요구하는 입력 영역만 점진적으로 정밀화함으로써, 전체 입력 공간을 균일하게 샘플링할 필요를 없앤다.

2. 오차 분해와 균형: 전체 평균 제곱 오차를
   E