115 research outputs found
Domain-Aware Active Learning for Multifidelity Optimization
No full textBayesian optimization is a popular strategy for the optimization of black-box objective functions [1]. In many engineering applications, the objective can be evaluated with multiple representations at different levels of fidelity, to enhance a trade-off between cost and accuracy. Accordingly, multifidelity methods have been proposed in a Bayesian framework to efficiently combine information sources, using low-fidelity models to enable the exploration of design alternatives, and improve the accuracy of the solution through limited high-fidelity evaluations [2]. Most multifidelity methods based on active learning search the optimal design considering only the information extracted from the surrogate model. This can preclude the evaluation of promising design configurations that can be captured only including the knowledge of the particular physical phenomena involved [3]. To address this issue, this presentation discusses original domain-aware multifidelity Bayesian frameworks to accelerate design analysis and optimization performances. In particular, our strategy comes with an active learning scheme to adaptively sample the design space, combining statistical data from the surrogate model with physical information from the specific domain. Our formulation introduces physics-informed utility functions as additional contributions to the acquisition functions. This permits to enhance the active learning with a physicsbased insight and to realize a form of domain awareness which is beneficial to the efficiency and accuracy of the optimization task. The presentation will discuss several applications and implementations of the proposed approach for single discipline and multidisciplinary aerospace design optimization problems.
[1] Snoek, J., Larochelle, H.. Adams, R.P. Practical bayesian optimization of machine learning algorithms. Advances in neural information processing systems. (2012) 25.
[2] Peherstorfer, B., Willcox, K., Gunzburger, M. Survey of multifidelity methods in uncertainty propagation, inference, and optimization. Siam Review (2018) 60(3): 550–591.
[3] Di Fiore, F., Maggiore, P. Mainini L. Multifidelity domain-aware learning for the design of re-entry vehicles. Structural and Multidisciplinary Optimization (2021
Due architetture di pietra
No full textIn occasione della “Decima Mostra Internazionale di Architettura della Biennale di Venezia 2006, Mostra Città di Pietra – Progetto Sud”, il gruppo guidato da G. Mainini e composto da F. Rispoli, V. Fraticelli, A. De Luca, F. Viola, F. Bruni, A. D’Agostino, A. Andriello, S. Avvedimento, R. Di Vaio, A. Forino, M. T. Giammetti e V. Tenore, ha presentato due progetti: il primo, sul tema Pantelleria: il porto turistico, selezionato e pubblicato in catalogo; il secondo, sul tema Crotone, il fronte a mare sul porto, selezionato, pubblicato in catalogo ed esposto. Il saggio presenta siti, temi e regole costitutive dei due progetti ed è stato redatto in stretta collaborazione tra gli autori. G. Mainini ha provveduto alla stesura materiale del paragrafo su Pantelleria, F. Rispoli di quello su Crotone e F. Viola alla premessa, alla conclusione ed alla cura della redazione. A Pantelleria il progetto ha assunto il tema di dare una struttura al margine del porto nuovo a partire dal chiarimento delle relazioni costitutive dell’antico centro, in cui le originarie tipologie rurali dei dammusi avevano già trovato, nel tempo, una loro diversa condizione, più chiaramente urbana. A partire da questa matrice il progetto ha ricercato una dimensione conforme a quella degli isolati del centro antico. Nella copertura alla logica costruttiva dell’intradosso dei singoli elementi fa riscontro la messa in forma dell’estradosso che riunisce, in un secondo suolo, quella che altrimenti sarebbe una mera sommatoria di interventi. Questo strato, vera e propria doppia copertura, è corroso da fori e patii che, come pozzi d’ombra, memoria dei giardini arabi, offrono all’ospite il gradito ristoro del fresco. Il fronte verso mare manifesta un’articolazione apparentemente casuale che nell’individualità dei singoli interventi e nel loro costituirsi in una serie di variazioni sul tema mostra in filigrana una latente regola di formazione nel tempo. A Crotone il progetto ha assunto come propri due temi: l’arsenale, che con le sue gallerie unisce mare a mare nelle due anse opposte del porto; e la bascula, che dal suolo urbano si solleva risolvendo il dislivello tra città e molo in un unico edificio piazza, imprimendo in tal modo, una sorta di bradisisma alla tettonica del primo tema. Il progetto ha cercato di dare ordine ai lasciti casuali accumulatisi nel tempo sul fronte del porto tra il mare ed il Castello, cui rende silenziosamente omaggio, riducendo il costruito ad una dimensione semi-ipogea sotto il piano della piazza. Con il Castello, tuttavia, si confronta con la dimensione e la potenza di un gesto tettonico che risolve in un’unica piazza più spazi, la strada, il molo, le due anse del porto, e più quote quella della città e quella del molo. In copertura, alla logica costruttiva dell’intradosso del piano piazza fa riscontro la giacitura unica dell’estradosso che riunisce, attraverso un secondo suolo, quella che altrimenti risulterebbe una giustapposizione di varie scritture, corrodendosi per rivelare gli spazi sottostanti. Dal punto di vista tettonico il progetto si sviluppa da un principio di fondazione specifica, l’arsenale, come preesistenza virtuale. Dal punto di vista della intenzionalità di progetto, invece, esso è l’esito di un percorso inverso, da un lavoro di scavo nella pietra che rivela lo spessore della grande massa. Anche qui, perciò, è in opera un’ambiguità nella sequenza tra le scritture del suolo appartenenti all’artificio ed alla preesistenza: con una doppia sospensione, quella spaziale, del grande oggetto che emerge/affonda nel suolo, e quella temporale, che investe l’antecedenza tra il lavoro di costruzione e quello di scavo
DOMAIN-AWARE MULTIFIDELITY LEARNING FOR DESIGN OPTIMIZATION
No full textAccurate physics-based models are essential to the design and optimization of engineering systems, to compute key performance indicators associated with alternative design solutions. The implementation of high-fidelity models in simulation-based design optimization poses significant challenges due to the relevant computational cost frequently associated with their execution. However, real world engineering systems can rely on the availability of multiple models or approximations of their physics, representations characterized by different computational complexity and accuracy. Those alternative models can be cheaper to evaluate and can thus be exploited to enhance the efficiency of the optimization task. Multifidelity methods allow to combine multiple sources of information at different levels of fidelity, potentially exploiting the affordability of low fidelity evaluations to massively explore the design space, then enriching the accuracy through a reduced number of high-fidelity queries [1]. Many multifidelity optimization methods combine data from multiple models into a probabilistic surrogate, frequently delaying the identification of promising design alternatives that could rather be more efficiently captured if domain specific expertise were also used to inform the search [2]. To address this challenge, we present original domain-aware multifidelity frameworks to accelerate design optimization and improve the quality of the solution. In particular, our strategy is based on an active learning scheme that combines data-driven and physics-informed utility functions, to include the expert knowledge about the specific physical phenomena during the search for the optimal design. This allows to tailor the selection of the physical model to evaluate and increase the efficiency of the learning process, using at best a limited amount of high-fidelity data to sensitively improve the design solution. We discuss several applications of the proposed framework for aerospace design optimization problems, considering atmospheric flight at low and high altitudes for both aeronautics and space applications.
[1] Peherstorfer, B., Willcox, K., Gunzburger, M. Survey of multifidelity methods in uncertainty propagation, inference, and optimization. Siam Review (2018) 60(3): 550–591.
[2] Di Fiore, F., Maggiore, P. Mainini L. Multifidelity domain-aware learning for the design of re-entry vehicles. Structural and Multidisciplinary Optimization (2021) 64: 3017–303
Due architetture di Pietra
No full textIn occasione della “Decima Mostra Internazionale di Architettura della Biennale di Venezia 2006, Mostra Città di Pietra – Progetto Sud”, il gruppo di cui ho fatto parte ha presentato due progetti: il primo, sul tema Pantelleria: il porto turistico, selezionato e pubblicato in catalogo; il secondo, sul tema Crotone, il fronte a mare sul porto, selezionato, pubblicato in catalogo ed esposto. Il saggio presenta siti, temi e regole costitutive dei due progetti ed è stato redatto in stretta collaborazione tra gli autori. G. Mainini ha provveduto alla stesura materiale del paragrafo su Pantelleria, F. Rispoli di quello su Crotone e F. Viola alla premessa, alla conclusione ed alla cura della redazione. A Pantelleria il progetto ha assunto il tema di dare una struttura al margine del porto nuovo a partire dal chiarimento delle relazioni costitutive dell’antico centro, in cui le originarie tipologie rurali dei dammusi avevano già trovato, nel tempo, una loro diversa condizione, più chiaramente urbana. A partire da questa matrice il progetto ha ricercato una dimensione conforme a quella degli isolati del centro antico. Nella copertura alla logica costruttiva dell’intradosso dei singoli elementi fa riscontro la messa in forma dell’estradosso che riunisce, in un secondo suolo, quella che altrimenti sarebbe una mera sommatoria di interventi. Questo strato, vera e propria doppia copertura, è corroso da fori e patii che, come pozzi d’ombra, memoria dei giardini arabi, offrono all’ospite il gradito ristoro del fresco. Il fronte verso mare manifesta un’articolazione apparentemente casuale che nell’individualità dei singoli interventi e nel loro costituirsi in una serie di variazioni sul tema mostra in filigrana una latente regola di formazione nel tempo
Riqualificazione urbana di quattro sagrati nella città storica di Sulmona
No full textDei quattro sagrati della città storica di Sulmona, che si incontrano lungo il Corso Ovidio e che sono l’oggetto delle proposte progettuali di questo concorso, quelli di S. Chiara e S. Francesco da un lato e quello di S. Panfilo dall’altro, rappresentano due nodi urbani complessi in cui converge una pluralità di situazioni e di funzioni e che, proprio per questo, al di là del vero limite costituito da Porta Napoli, si pongono, nel concreto, come i terminali del sistema in cui più intensamente si svolge la vita cittadina. Il quarto sagrato, posto quasi in posizione intermedia tra queste due articolate polarità, è dominato, invece, dallo straordinario complesso monumentale dell’Annunziata che istituisce con il suo spazio antistante un rapporto sicuramente singolare rispetto alla condizione più ricorrente riscontrabile nella città storica, che vede piazze e monumenti collocarsi sempre sullo stesso margine della strada. Qui, invece, la lunga quinta della facciata dell’Annunziata e il largo che gli si apre davanti sono collocati sui lati opposti del Corso. Tre condizioni eccezionali, quindi, con le due testate, che aprono e chiudono il Corso, e lo slargo intermedio, retaggio irrisolto del Piano Aschieri, in cui lo spazio libero si apre sul lato della strada opposto a quello del fondale del complesso religioso
Non-myopic multipoint multifidelity Bayesian framework for multidisciplinary design
No full textThe adoption of high-fidelity models in Multidisciplinary Design Optimization (MDO) permits to enhance the identification of superior design configurations, but would prohibitively rise the demand for computational resources and time. Multifidelity Bayesian Optimization (MFBO) efficiently combines information from multiple models at different levels of fidelity to accelerate the MDO procedure. State-of-the-art MFBO methods currently meet two major limitations: i) the sequential adaptive sampling precludes parallel computations of high-fidelity models, and ii) the search scheme measures the utility of new design evaluations only at the immediate next iteration. This paper proposes a Non-Myopic Multipoint Multifidelity Bayesian Optimization (NM3-BO) algorithm to sensitively accelerate MDO overcoming the limitations of standard methods. NM3-BO selects a batch of promising design configurations to be evaluated in parallel, and quantifies the expected long-term improvement of these designs at future steps of the optimization. Our learning scheme leverages an original acquisition function based on the combination of a two-step lookahead policy and a local penalization strategy to measure the future utility achieved evaluating multiple design configurations simultaneously. We observe that the proposed framework permits to sensitively accelerate the MDO of a space vehicle and outperforms popular algorithms
Multifidelity modeling for the design of re-entry capsules
No full textThe design and optimization of space systems presents many challenges associated with the variety of physical domains involved and their coupling. A practical example is the case of satellites and space vehicles designed to re-enter the atmosphere upon completion of their mission [1]. For these systems, aerodynamics and thermodynamics phenomena are strongly coupled and relate to structural dynamics and vibrations, chemical non equilibrium phenomena that characterize the atmosphere, specific re-entry trajectory, and geometrical shape of the body. Blunt bodies are common geometric configurations used in planetary re-entry (e.g. Apollo Command Module, Mars Viking probe, etc.). These geometries permit to obtain high aerodynamic resistance to decelerate the vehicle from orbital speeds along with contained aerodynamic lift for trajectory control. The large radius-of-curvature of the bodies’ nose allows to reduce the heat flux determined by the high temperature effects behind the shock wave. The design and optimization of these bodies would largely benefit from accurate analyses of the re-entry flow field through high-fidelity representations of the aerodynamic and aerothermodynamic phenomena. However, those high-fidelity representations are usually in the form of computer models for the numerical solutions of PDEs (e.g. Navier-Stokes equations, heat equations, etc.) which require significant computational effort and are commonly excluded from preliminary multidisciplinary design and trade-off analysis.
This work addresses the integration of high-fidelity computer-based simulations for the multidisciplinary design of space systems conceived for controlled re-entry in the atmosphere. In particular, we discuss the use of multifidelity methods to obtain efficient aerothermodynamic models of the re-entering vehicles. Multifidelity approaches allow to accelerate the exploration and evaluation of design alternatives through the use of different representations of a physical system/process, each characterized by a different level of fidelity and associated computational expense [2, 3]. By efficiently combining less-expensive information from low-fidelity models with a principled selection of few expensive simulations, multifidelity methods allow to incorporate high-fidelity costly information for multidisciplinary design analysis and optimization [4–7]. This presentation proposes a multifidelity Bayesian optimization framework leveraging surrogate models in the form of gaussian processes, which are progressively updated through acquisition functions based on expected improvement. We introduce a novel formulation of the multifideltiy expected improvement including both data-driven and physics-informed utility functions, specifically implemented for the case of the design optimization of an Orion-like atmospheric re-entry vehicle. The results show that the proposed formulation gives better optimization results (lower minimum) than single fidelity Bayesian optimization based on low-fidelity simulations only. The outcome suggests that the multifidelity expected improvement algorithm effectively enriches the information content with the high-fidelity data. Moreover, the computational cost associated with 100 iterations of our multifidelity strategy is sensitively lower than the computational burden of 6 iterations of a single fidelity framework invoking the high-fidelity model.
References
[1] Gallais, P., Atmospheric re-entry vehicle mechanics, Springer Science and Business Media, 2007.
[2] Peherstorfer, B., Willcox, K., and Gunzburger, M., “Survey of Multifidelity Methods in Uncertainty Propagation, Inference, and Optimization,” SIAM Review, Vol. 60, 2018, pp. 550–591.
[3] Fernandez-Godino, G., Park, C., Kim, N., and Haftka, R., “Issues in Deciding Whether to Use Multifidelity Surrogates,” AIAA Journal, 2019, p. 16.
[4] Mainini, L., and Maggiore, P., “A Multifidelity Approach to Aerodynamic Analysis in an Integrated Design Environment,” AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference, AIAA, 2012.
[5] Goertz, S., Zimmermann, R., and Han, Z. H., “Variable-fidelity and reduced-order models for aero data for loads predictions,” Computational Flight Testing, 2013, pp. 99–112.
[6] Meliani, M., Bartoli, N., Lefebvre, T., Bouhlel, M.A., J., Martins, and Morlier, J., “Multi-fidelity efficient global optimization: Methodology and application to airfoil shape design,” AIAA Aviation 2019 Forum, AIAA, 2019.
[7] Beran, P., Bryson, D., Thelen, A., Diez, M., and Serani, A., “Comparison of Multi-Fidelity Approaches for Military Vehicle Design,” AIAA Aviation 2020 Forum, AIAA, 2020
Non-Myopic Multifidelity Method for Multi-regime Constrained Aerodynamic Optimization
No full textThe exploration and trade-off analysis of different aerodynamic design configurations requires solving optimization problems. The major bottleneck to asses the optimal design is the large number of time-consuming evaluations of high-fidelity computational fluid dynamics (CFD) models, necessary to capture the non-linear phenomena and discontinuities that occurs at higher Mach number regimes. To address this limitation, we propose an original non-myopic multifidelity Bayesian framework aimed at including expensive high-fidelity CFD simulations for the optimization of the aerodynamic design. Our scheme comes with a two-step lookahead policy to maximize the improvement of the solution quality considering the rewards of future steps, and an active learning scheme informed by the fluid dynamic regime and the information extracted from data, to wisely select the aerodynamic model to interrogate. We validate the proposed algorithm for the case of a constrained drag coefficient optimization problem of a NACA 0012 airfoil, and compare the results to other popular multifidelity and single-fidelity optimization frameworks. The results suggest that our strategy outperforms the other approaches, allowing to significantly reduce the drag coefficient through a principled selection of limited evaluations of the high-fidelity CFD model
CONCORSO NAZIONALE PER LA NUOVA SEDE DELLA CASA COMUNALE E SISTEMAZIONI DELLE AREE ESTERNE - MUGNANO DI NAPOLI
No full text- …
