縮約次数モデル(ROM)

ROMの理論基礎

なぜ次数を縮約するのか

詳細CAEモデル（FOM: Full Order Model、自由度10⁵〜10⁸）は1解析に分〜時間を要し、リアルタイム応用（デジタルツイン・制御）や数千回の反復（最適化・UQ）には使えません。縮約次数モデル（ROM: Reduced Order Model）は、解が実際に動き回る低次元部分空間を見つけて、その空間の中だけで方程式を解くことで、自由度を数十〜数百まで圧縮します。数千倍〜数万倍の高速化と引き換えに、部分空間の外にある挙動は原理的に表現できない——この取引の設計がROM実務の本質です。

PODによる基底構築

最も標準的な基底構築が固有直交分解（POD）です。FOMの解を条件を変えて集めたスナップショット行列 \( S = [\mathbf{u}_1, \dots, \mathbf{u}_m] \) の特異値分解から左特異ベクトルを取り、上位 \( k \) 本を基底 \( \Phi \) とします。

$$ S = U \Sigma V^T, \qquad \mathbf{u}(t; \mu) \approx \Phi\, \mathbf{a}(t; \mu), \quad \Phi = U_{[:,1:k]} $$

モード数 \( k \) は特異値の累積エネルギー（\( \sum_{i \le k}\sigma_i^2 / \sum_i \sigma_i^2 \ge 99.9\% \) など）で選びます。重要なのは、特異値の減衰の速さがROMの成立可能性そのものだということです。拡散支配の問題（熱伝導・構造静解析）は数モードで99%を超える一方、移流支配の問題（衝撃波・移動する火炎面）は減衰が遅く、線形部分空間による縮約が本質的に苦しくなります（Kolmogorov n-widthの壁）。

射影ROMとデータ駆動ROM

商用ソルバーで内部演算子に触れない実務環境では、非侵入型（POD＋回帰・演算子推論）が現実的な主力になります。

構築の数値手法

スナップショット設計——ROMの品質はここで決まる

基底はスナップショットが張る空間しか知りません。したがってスナップショット計画は実験計画そのものです。①パラメータ範囲をLHS等で覆う（クリギングのDOEと同じ規律）、②非定常なら過渡の代表局面（立ち上がり・ピーク・定常）を含める、③スナップショット間の相関が高すぎるなら間引く（特異値分解のランクを見る）、が基本です。物理量のスケール差（変位と応力、温度と流速）を混ぜる場合は、量ごとの正規化（または量別の基底）を忘れると大きい量だけが基底を占有します。

非線形項の壁とハイパーリダクション

Galerkin ROMの縮約方程式に非線形項があると、その評価のためにフル次元へ戻る必要が生じ、せっかく縮約しても速くならない問題が起きます。これを断つのがハイパーリダクション（DEIM・ECSW等）で、非線形項を少数のサンプル点（要素）だけで評価して補間します。「ROM化したのに高速化が2倍止まり」という症状は、ほぼ確実にハイパーリダクション未適用が原因です。データ駆動ROM（演算子推論で二次形式を仮定する等）はこの問題を回避できるのも採用理由になります。

安定性と構造保存

Galerkin射影は元の方程式の安定性を保存する保証がなく、FOMは安定なのにROMが発散することがあります。対策は、①エネルギー内積（対称正定値の重み行列）での射影、②Petrov-Galerkin（最小二乗型）射影、③散逸を補う閉包項（closure）の追加、の順で検討します。また流体では圧力項の扱い（速度のみのPOD＋圧力の別処理）が安定性を左右します。ROMの検証では「学習に使ったケースの再現」だけでなく、長時間積分での有界性を必ず確認します。

実務適用の手順

標準ワークフロー——オフライン/オンライン分離

1. オフライン（高コスト・1回） — スナップショット計画→FOM実行→POD基底→縮約モデル構築（射影 or 回帰）→検証
2. オンライン（低コスト・毎回） — 新しいパラメータ・入力に対し縮約系を解く（ミリ秒〜秒）
3. 検証 — 学習に使っていないホールドアウトパラメータでFOMと比較（場のL2誤差と目的量の誤差を分けて報告）
4. 監視 — 運用中は入力が学習域内かをチェックし、域外なら警告してFOMへフォールバック

使いどころ——KrigingやFNOとの整理

「サロゲート」と一括りにされがちですが、ROMの固有価値は動的システムとしての縮約（状態を持ち、任意入力に応答する）にあります。静的なパラメータ→出力の対応だけならクリギングの方が簡単です。

検証と受け入れ基準の作り方

ROMの受け入れ基準は用途から逆算します。制御用なら「帯域内の周波数応答誤差±1dB」、ツイン用なら「監視対象量の誤差がセンサノイズ以下」、UQ用なら「統計量（平均・分散）の誤差が入力不確かさ起因の幅の1/10以下」など。場の平均誤差が小さくても目的量（局所ホットスポット）が外れることはよくあるため、報告には必ず目的量ベースの誤差を含めます。またモード数を±数本振って結果が安定することの確認（モード数感度）も標準項目です。

ツールと実装

ツール対応状況

非侵入型ROMの最小レシピ（商用CAEユーザー向け）

1. パラメータをLHSで振ってFOMをN回実行、場のスナップショットをエクスポート
2. SVDでPOD基底 \( \Phi \) を構築（累積エネルギーでモード数決定）
3. 各スナップショットを係数 \( \mathbf{a} = \Phi^T \mathbf{u} \) に圧縮
4. パラメータ→係数の写像をクリギング等で回帰（POD+Kriging）、動的問題なら係数の時間発展を演算子推論/DMDで同定
5. ホールドアウトで場・目的量の誤差を検証

ソルバー改造ゼロで実装でき、多くの実務ニーズ（パラメトリック場予測）はこれで満たせます。射影ROMへ進むのは、物理保存則の保持や長時間安定性が要件になってからで十分です。

先端研究の動向

移流支配問題への挑戦——線形部分空間の壁を越える

衝撃波・移動界面のような移流支配問題は特異値が減衰せず、線形PODの弱点です。研究の主戦線は、①解の移動を座標変換で吸収してから縮約する（shifted POD・registration法）、②二次多様体（quadratic manifold）による非線形部分空間、③オートエンコーダで非線形潜在空間を学習するニューラルROM、の3方向です。「モードを増やしても移流問題の精度が伸びない」のは手法の限界であり、これらの拡張が対処法になります。

演算子推論と閉包モデリング

縮約座標の支配方程式の形（線形＋二次項など）を物理から仮定し、係数だけをデータから同定する演算子推論（Operator Inference）は、非侵入でありながら方程式構造を保つ折衷として実装が広がっています。また切り捨てたモードの影響を補う閉包モデル（LESのSGSモデルに相当）をデータ駆動で構築する研究も活発で、少ないモード数で長時間安定なROMを得る鍵になっています。

誤差保証付きROM（縮約基底法）

楕円型・パラボリック型の問題では、縮約基底（RB）法により厳密な誤差上界をオンラインで計算できる理論が整備されています。「このROM予測の誤差は高々ε」という認証付きの答えが返せるのは工学的に大きく、安全性が問われる用途（構造健全性監視）でのROM採用の根拠になります。汎用非線形問題への拡張は研究途上ですが、線形の範囲では実用段階です。

トラブル対応

症状別の原因と対策

導入判断の3条件

関連記事：クリギングサロゲート、多項式カオス、フーリエ・ニューラル演算子。