Autonom agierende Lösersteuerung

In vielen Simulationsanwendungen ist die Wahl von optimalen Verfahren und Parametern für den linearen Löser von der konkreten Simulation abhängig, beispielsweise von Materialeigenschaften, Problemgröße, Parallelität und dergleichen. Zwar lässt sich meist eine feste lineare Löserstrategie finden, die sehr gut zu einer Simulationsanwendung passt, letzte Anpassungen an die konkrete Simulation sind aber schwerlich vorab festzulegen.

Die autonom agierende Lösersteuerung setzt hier an: Statt einer fixen linearen Löserstrategie wird eine gewisse Bandbreite von infrage kommenden Verfahren und Parameter-Bandbreiten vorgegeben. Innerhalb dieser Möglichkeiten ermittelt SAMG dann selbstständig die jeweils besten Settings. Hierzu kommen Methoden des evolutionären Lernens und Surrogate-Modelle zum Einsatz.

Dies ermöglicht nicht nur ein, in den vorgegebenen Grenzen, autonomes Parameter-Tuning, sondern erlaubt auch die Verwendung von linearen Löserstrategien, die nur noch in der Mehrheit der Fälle einer Anwendung robust, dafür jedoch beispielsweise sehr performant sind. In den Fällen, in denen die Robustheit nicht ausreicht, sorgt de Lösersteuerung für Rückfallpositionen, sofern sie entsprechend konfiguriert wurde.

Prinzipiell lassen sich alle Verfahren und Parameter der SAMG Bibliothek in der zu definierenden Vorauswahl berücksichtigen. In besonderen Anwendungsfällen lassen sich fest in SAMG implementierte Vorauswahlen nutzen. Im Allgemeinen lässt sich diese Vorauswahl durch einen XML-Input vorgeben.

Die Entwicklung der lernenden Lösersteuerung wurde gefördert durch das Fraunhofer Forschungszentrum Maschinelles Lernen im Fraunhofer Cluster of Excellence Cognitive Internet Technologies.

Beispielanwendung: Simulation der Batteriealterung

Die autonom agierende Lösersteuerung ermöglichte die Nutzung iterativer Verfahren aus der SAMG Bibliothek im Batteriesimulator BaSiS des Fraunhofer IEE (www.batterie-simulation.de). Die Komplexität der physikalischen und elektrochemischen Prozesse einer Batterie führt zu oft schlecht konditionierten Gleichungssystemen. Dies und die Bandbreite an verschiedenen Batteriekonfigurationen lässt die Festlegung auf ein einzelnes iteratives Löserverfahren praktisch nicht zu. Daher war bisher nur die Nutzung direkter Löserverfahren möglich. Durch die Steuerung in SAMG hingegen können iterative Ein-Level Verfahren hier nun eingesetzt werden – und liefern deutliche Reduzierungen der Rechenzeit gegenüber direkten Löserverfahren.