$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

자동 미분의 공학 계산 적용 연구

Study on the Applications of Automatic Differentiation in Engineering Computation

초록

자동 미분은 기울기나 Jacobian과 같은 민감도를 자동으로 생성해주는 도구이다. 자동 미분은 수학적으로 정확한 민감도를 계산해준다. 본 논문에서는 자동 미분의 공학 계산에 대한 적용에 대해 살펴보았다. 자동 미분을 이용해 구조 해석 코드와 유동장 해석 코드의 미분 코드를 생성하였다. 본 논문은 자동 미분의 적용에 대해 기술하였으며 자동 미분의 정확성 검증을 위해 유한 차분과 비교하였다. 미분 코드의 결과는 유한 차분과 잘 일치하였으나 계산 시간이 증가하였다. 생성된 미분 코드의 추가적인 수정을 통해 계산의 단축이 가능함을 확인하였다.

Abstract

Automatic Differentiation(AD) is a tool for generating sensitivities, such as gradient or Jacobian, automatically. AD tools provide mathematically exact sensitivities for the given source code. In this paper applications of automatic differentiation are studied. Derivative codes are generated with AD tools for structural analysis code and flow analysis code. How to apply AD tools is explained and the accuracy of sensitivities is compared with the finite difference. Sensitivities of generated derivative code accord well with finite difference, but the calculation time of derivative code increases. It was found that the calculation time can be decreased by additional modification of derivative code.

참고문헌 (26)

  1. 이재훈, 김수환, 안중기, 권장혁, "자동미분의 공력 최적 설계 적용", 한국전산유체공학회, 춘계학술대회 논문집, 2004 
  2. 박수형, 성춘호, 권장혁, "Upwind TVD 기법을 이용한 효율적인 다중격자 DADI기법", 항공우주학회, 추계학술대회 논문집, 1998, p. 71-74 
  3. H. Bucker et al., "Delayed Propagation of Derivatives in a Two-dimensional Aircraft Design Optimization Problem", Proceedings of High Performance Computing Systems and Applications, 2003 
  4. 임동균, 김균석, 권장혁, "2차원 Euler/N-S 방정식에 대한 민감도 해석 기법의 성능 비교 연구", 한국군사과학기술학회, 종합학술대회 논문집, 2007 
  5. S. H. Park and J. H. Kwon, "Implementation of $k-{\omega}$ Turbulence Models in an Implicit Multigrid Method", AIAA Joumal, Vol. 42, No. 7, 2004, p. 1348-1357 
  6. R. H. McNeal, R. L. Harder, "A Proposed Standard Set of Problems to Test Finite Element Accuracy", Finite Elements Analysis and Design, Vol. 1, 1985, p. 3-20 
  7. S. Kim, J. J. Alonso and A. Jameson, "Multi-Element High-Lift Configuration Design Optimization Using Viscous Continuous Adjoint Method", Journal of Aircraft, Vol. 41, No. 5, 2004, p. 1082-1097 
  8. C. S. Kim, C. Kim and O. H. Rho, "Sensitivity Analysis for the Navier-Stokes Equations with Two-equation Turbulence Models", AIAA Journal, Vol, 39, No. 5, 2001, p. 838-845 
  9. C. Bishof et al., ADIFOR 2.0 User's Guide, Technical Report CRPC-95516-S, Rice University, 1998 
  10. A. Carle and M. Fagan, "ADIFOR 3.0 Overview", Technical Report CAAM-TR-00-02, Rice University, 2000 
  11. T. C. Coleman and A. Verma, "ADMT-1: Automatic Differentiation and MATLAB Interface Toolbox", ACM Transactions on Mathematical Software, Vol. 26, 2000, p. 150-175 
  12. L. Hascoet and V. Pascual "Tapenade 2.1 User's Guide", Technical report 300, INRIA, 2004 
  13. C. Bischof, A. Carle, P. Khademi and A. Mauer, "ADIFOR 2.0: Automatic Differentiation of Fortran 77 Programs", IEEE Computational Science and Engineering Vol. 3, 1996, p. 18-32 
  14. O. C. Zienkiewicz and R. L. Taylor, "The Finite Element Method", McGraw Hill, 1989 
  15. B. Speelpenning, "Compiling Fast Partial Derivatives of Functions Given by Algorithms", PhD thesis, Department of Computer Science, University of Illinois at Urbana-Champaign, 1980 
  16. L. L. Green, P. A. Newman and K. J. Haigler, "Sensitivity Derivatives for Advanced CFD Algorithm and Viscous Modeling Parameters via Automatic Differentiation", Jouranl of Computational Physics, Vol. 125, 1996, p. 313-324 
  17. C. Bishof, G. Corliss, L. Green, A. Griewank, K. Haigler and P. Newman, "Automatic Differentiation of Advanced CFD codes for Multidisciplinary Design", Journal of Computing Systems in Engineering, Vol 3, 1992, p. 625-638 
  18. J. R. R. A. Martins, I. M. Kroo and J. J. Alonso, "An Automated Method for Sensitivity Analysis using Complex Variables", AIAA-2000-0689 
  19. C. W. Straka, "ADF95: Tool for Automatic Differentiation of a FORTRAN Code Designed for Large Numbers of Independent Variables", Computer Physics Communications, Vol. 168, 2005, p. 123-139 
  20. A. Carle, M. Fagan and L. L. Green, "Preliminary Results from the Application of Automatic Adjoint Code Generation to CFL3D", Proceedings of 7th AIAA/NASA/ISSMO Symposium on Multidisciplinary Analysis and Optimization, AIAA-98-4807 
  21. A. Verma, "An Introduction to Automatic Differentiation", Current Science, Vol. 78, No. 7, 2000, p. 804-807 
  22. P. A. NEWMAN, G. J.-W. HOU, H. E. JONES, A. C. TAYLOR, III and V. M. KORIVI, "Observations on Computational Methodologies for Use in Large-scale, Gradient-based, Multidisciplinary Design", AIAA-92-4753 
  23. R. E. Wengert, "A Simple Automatic Derivative Evaluation Program", Communications of the ACM, Vol. 7, 1964, p. 463-464 
  24. A. Griewank, D. Juedes, H. Mitev, J. Utke, O. Vogel and A. Walther, "ADOL-C: A Package for the Automatic Differentiation of Algorithms Written in C/C++", ACM TOMS, Vol. 22, 1996, p. 131-167 
  25. R. Giering and T. Kaminski, "Recipes for Adjoint Code Construction", ACM Transactions on Mathematical Software, Vol. 24, 1998, p. 437-474 
  26. C.-h. Sung and J. H. Kwon, "Efficient Aerodynamic Design Method Using a Tightly Coupled Algorithm", AIAA Journal, Vol. 40, No. 9, 2002, p. 1839-1845 

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

DOI 인용 스타일