信息处理程序、信息处理方法和信息处理设备技术

本发明专利技术涉及信息处理程序、信息处理方法和信息处理设备。一种信息处理程序，该信息处理程序使一个或多个计算机执行处理以：执行通过迭代线性分析进行非线性分析的第一过程；以及执行第二过程，该第二过程基于线性分析的每次迭代的残差转变和计算时间，通过预测模型预测要用于线性分析的收敛确定的残差阈值，其中，线性分析的每次迭代的残差转变和计算时间是通过第一过程针对每个残差阈值使用多个实验值获得的。该信息处理程序还使一个或多个计算机执行处理以通过使用设置在存储器中的共享存储器的过程间通信执行第一过程与第二过程之间的数据传递。之间的数据传递。之间的数据传递。

【技术实现步骤摘要】
信息处理程序、信息处理方法和信息处理设备


[0001]本文讨论的实施方式涉及信息处理程序、信息处理方法和信息处理设备。

技术介绍

[0002]近年来，诸如结构分析和流体分析的模拟已经用于检查要施加至产品的结构的应力、检查气体和液体的行为等。在分析模拟中，诸如牛顿法的迭代方法用于非线性分析，并在每次迭代中求解线性解算器(solver)。在许多情况下，也通过迭代方法求解线性解算器。
[0003]已知诸如以下技术的技术：根据使用(利用关于用于分析的装置特性的预定条件的)方程式获得的解的矩阵是否满足线性方程式的收敛条件来改变用于确定收敛的条件，以通过解的矩阵的非线性方程式缩短收敛条件被满足所花费的计算时间。
[0004]在例如日本公开特许公报第2003-162517号、第2017-123160号、第2016-146139号和第2000-339179号中公开了相关技术。
[0005]引用列表
[0006]专利文献
[0007]JP2003-162517
[0008]JP2017-123160
[0009]JP2016-146139
[0010]JP2000-339179。

技术实现思路

[0011]技术问题
[0012]在用于结构分析和流体分析的模拟中，有时执行非线性分析。在非线性分析中，在诸如牛顿法的迭代方法中，存在作为收敛条件的残差阈值。尽管将残差阈值设置为最优值以缩短模拟的计算时间是有效的，但是不可能预先获得最优残差阈值。
[0013]因此，在一个方面，本公开内容的目的是使得可以设置最优残差阈值并通过减少非线性分析的迭代次数来缩短计算时间。
[0014]问题的解决方案
[0015]根据一个方面，提供了一种信息处理程序，该信息处理程序使一个或多个计算机进行以下操作：执行第一过程，该第一过程通过迭代线性分析来进行非线性分析；执行第二过程，该第二过程基于线性分析的每次迭代的残差转变和计算时间，通过预测模型预测要用于线性分析的收敛确定的残差阈值，其中，线性分析的每次迭代的残差转变和计算时间是通过第一过程针对每个残差阈值使用多个实验值获得的；以及通过使用设置在存储器中的共享存储器的过程间通信执行第一过程与第二过程之间的数据传递。
[0016]根据实施方式的一个方面，一种信息处理设备，包括：存储器；以及耦接至所述存储器的一个或多个处理器，所述一个或多个处理器进行以下操作：执行第一过程，该第一过程通过迭代线性分析进行非线性分析；执行第二过程，该第二过程基于线性分析的每次迭
代的残差转变和计算时间，通过预测模型预测要用于线性分析的收敛确定的残差阈值，其中，线性分析的每次迭代的残差转变和计算时间是通过第一过程针对每个残差阈值使用多个实验值获得的；以及通过使用设置在存储器中的共享存储器的过程间通信执行第一过程与第二过程之间的数据传递。
[0017]本专利技术的有益效果
[0018]可以设置最优残差阈值并通过减少非线性分析的迭代次数来缩短计算时间。
附图说明
[0019]图1是示出信息处理设备的硬件配置的示例的图；
[0020]图2是示出信息处理设备的功能配置示例的图；
[0021]图3是用于说明学习过程的图；
[0022]图4是用于说明预测过程的图；
[0023]图5是示出检查结果的图表的图；
[0024]图6是用于说明第一实施方式中的过程间通信中的数据的发送和接收的图；
[0025]图7是用于说明不同程序语言之间的过程间通信的概要的图；
[0026]图8是用于说明在模拟中利用AI的情况下过程间通信的概要的图；
[0027]图9是示出图6中的实现示例的图；
[0028]图10是示出图7中的实现示例的图；
[0029]图11是用于说明模拟处理的流程图；
[0030]图12是用于说明与模拟一致地操作的机器学习过程的流程图；
[0031]图13是用于说明模拟的主过程中的过程间通信中涉及的处理的示例的图；
[0032]图14是用于说明模拟的主过程中的过程间通信中涉及的处理的示例的图；
[0033]图15是用于说明Python子过程中的过程间通信中涉及的处理的示例的图；
[0034]图16A是示出过程间通信的状态示例的图；
[0035]图16B是示出过程间通信的状态示例的图；
[0036]图16C是示出过程间通信的状态示例的图；
[0037]图17是示出检查开销的结果的示例的图；
[0038]图18是示出针对至盘的输入和来自盘的输出中的不同数据大小的检查开销的结果的图；
[0039]图19是示出针对至盘的输入和来自盘的输出中的不同数据大小的检查开销的结果的图；
[0040]图20是用于说明非线性分析的图；
[0041]图21是用于说明根据第二实施方式的信息处理设备的第一功能配置示例中的学习单元的概要的图；
[0042]图22是用于说明根据第二实施方式的信息处理设备的第一功能配置示例中的预测单元的概要的图；
[0043]图23是示出针对每个候选阈值的模拟时间的检查示例的图；
[0044]图24A是用于说明第一功能配置示例中的学习过程的流程图；
[0045]图24B是用于说明第一功能配置示例中的学习过程的流程图；
[0046]图25是用于说明第一功能配置示例中的预测过程的流程图；
[0047]图26是用于说明根据第二实施方式的信息处理设备的第二功能配置示例中的学习单元的概要的图；
[0048]图27是用于说明根据第二实施方式的信息处理设备的第二功能配置示例中的预测单元的概要的图；
[0049]图28A是用于说明第二功能配置示例中的学习过程的第一示例的流程图；
[0050]图28B是用于说明第二功能配置示例中的学习过程的第一示例的流程图；
[0051]图29是用于说明第二功能配置示例中的预测过程的流程图；
[0052]图30A是用于说明第二功能配置示例中的学习过程的第二示例的流程图；
[0053]图30B是用于说明第二功能配置示例中的学习过程的第二示例的流程图；
[0054]图31是用于说明第二功能配置示例中的学习过程的第三示例的流程图；
[0055]图32是示出学习过程的第一示例中的针对每个候选阈值的学习结果的图；
[0056]图33A是示出基于图32中的标记的学习结果的图；
[0057]图33B是示出基于图32中的标记的学习结果的图；
[0058]图34是示出学习过程的第二示例中的针对每个候选阈值的学习结果的图；
[0059]图35A是示出基于图34中的标记的学习结果的图；
[0060]图35B是示出基于图34中的标记的学习结果的图；
[0061]图36是示出学习过程的第二示例中的针对每个候选阈值的学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理程序，其使一个或多个计算机执行处理以进行以下操作：执行第一过程，所述第一过程通过迭代线性分析进行非线性分析；执行第二过程，所述第二过程基于所述线性分析的每次迭代的残差转变和计算时间，通过预测模型预测要用于所述线性分析的收敛确定的残差阈值，其中，所述线性分析的每次迭代的残差转变和计算时间是通过所述第一过程针对每个残差阈值使用多个实验值获得的；以及通过使用设置在存储器中的共享存储器的过程间通信执行所述第一过程与所述第二过程之间的数据传递。2.根据权利要求1所述的信息处理程序，其中，所述第一过程进行以下操作：在所述共享存储器中存储所述线性分析的每次迭代的所述残差转变和所述计算时间，在第一命名管道中设置地址，以及从第二命名管道获取在所述第二过程中写入的所述预测模型的预测结果，以及所述第二过程进行以下操作：从所述共享存储器中的设置在所述第一命名管道中的所述地址获取所述残差转变和所述计算时间，以及使所述预测模型执行对根据参考阈值和所述残差转变预测所述残差阈值的学习，并将由所述预测模型输出的所述预测结果写入所述第二命名管道中，其中，所述参考阈值根据所述残差转变和所述计算时间来确定。3.根据权利要求2所述的信息处理程序，其中，所述第二过程进行以下操作：将在所述计算时间最短时使用的实验值设置为所述参考阈值，根据对所述参考阈值和用于每个残差转变的实验值进行比较的结果标记所述残差转变，以生成学习数据，以及使用所述学习数据执行所述预测模型。4.根据权利要求2所述的信息处理程序，其中，所述第二过程进行以下操作：将在所述计算时间最短时使用的实验值设置为所述参考阈值，根据对所述参考阈值和用于每个残差转变的实验值进行比较的结果，确定用于所述残差转变的标签，通过将所述残差转变分割成特定段来生成多个输入数据，并将所确定的标签应用于所述多个输入数据中的每一个，以生成多个学习数据，以及对所述多个学习数据中的每一个执行所述预测模型。5.根据权利要求2所述的信息处理程序，其中，所述第二过程进行以下操作：针对所述非线性分析的每个问题数据指定在所述计算时间最短时使用的实验值，计算在所述第一过程中使用所指定的实验值获得的第一结果与在所述第一过程中使用其他实验值获得的第二结果中的每一个之间的结果误差，针对每个问题数据基于对针对每个实验值的所述结果误差和所述执行时间进行比较
的结果来设置所述参考阈值，根据对所述参考阈值和用于每个残差转变的实验值进行比较的结果，确定用于所述残差转变的标签，通过将所述残差转变分割成特定段来生成多个输入数据，并将所确定的标签应用于所述多个输入数据中的每一个，以生成多个学习数据，以及对所述多个学习数据中的每一个执行所述预...

【专利技术属性】
技术研发人员：白幡晃一，米尔，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：