HyperLynx Design Space Exploration

最初に、ユーザーはデザインを変更し、変更を1つずつ再シミュレートします。これは簡単な研究には有効で、シミュレーションの初心者ユーザーにも理解しやすいです。この方法は、検討する設計パラメータ（変数）が1つか2つしかなく、ユーザーが以前の結果に基づいて次の調査に使用するパラメータ値を簡単に決定できる場合に最適です。

研究する設計パラメータ（順列）の組み合わせの数がほんの一握り以上になると、より一貫性のある体系的な方法論が必要になります。スイープパラメータ分析では、ユーザーが調査対象のパラメータと関連値を定義し、自動化された方法論を使用して各ケースの挙動をシミュレートし、結果の表を作成して、最適なものを特定できるようにします。この方法論の鍵は、定量的指標、つまり性能指数を選択することです。これは、シミュレーション結果から導き出され、設計の動作を示す数値です。スイープパラメータ分析には2つのカテゴリがあります- 完全な分析ここでは、すべての設計変数のすべての組み合わせが調査され、 縮小セット分析ここでは、すべての組み合わせのサブセットのみが調査されます。

縮小セット分析 は重要です。なぜなら、変数と値を組み合わせると、完全な分析の順列の数が急速に増えるからです。完全な分析では、意味があるかどうかにかかわらず、すべての変数のすべての組み合わせを評価します。縮小セット分析は、ユーザーが設計の直感を活かし、調査するケースの数を制限する方法を指定できるようにすることで、このような状況下でもシミュレーション時間を管理しやすくするのに役立ちます。

大規模な研究の場合、調査するケースの数は数百万に増える可能性があり、従来の調査はもはや不可能です。このような場合、シミュレートされるすべての順列のサブセットは、高度な数学的サンプリング法を使用して非常に効率的に選択する必要があります。実際にシミュレートできるのは全置換数のごく一部だからです。これが高度な最適化ツールの役割です。ユーザーは検討する設計変数と値の範囲を定義します（ デザインスペース）、設計動作の比較に使用される出力指標（ 応答）、設計の成功または失敗を定義する回答の値（設計 ターゲット）そして、各回答について、その価値を最大化するか最小化することが目的か（デザイン 目標)。

ザ・ レスポンスサーフェス は、入力範囲にわたる各指標の値によって生成されるN次元空間として定義されます。簡単に言えば、出力値のプロットです。変数が1つしか存在しない場合、応答曲面は2D (x-y) プロットまたは曲線です。入力変数が2つ存在する場合、応答曲面は3Dプロットで、出力メトリックはZ軸にプロットされます。入力変数が3つ存在すると、応答曲面は4次元になり、以下同様に続きます。これらの高次応答曲面は、人間が内面化するのが難しいですが、複雑さが増しても、必要な時間、メモリ、計算以外は、コンピューターや数学的アルゴリズムに大きな違いはありません。したがって、高度な最適化ツール（HL-DSEもその1つです）は、応答曲面ベースの分析と、シミュレーション実験を使用する高度な数値アルゴリズムを組み合わせて、広い設計空間を可能な限り効率的かつ包括的に自動的に調査します。