Modelica based computational tools for sensitivity analysis via automatic differentiation

Elsheikh, Atiyah Mohamed Gamal; Naumann, Uwe

doi:urn:nbn:de:hbz:82-opus-47677

Modelica based computational tools for sensitivity analysis via automatic differentiation = Modelica-basierte rechenbetonte Werkzeuge für Sensitivitätsanalyse durch automatisches Differenzieren

Elsheikh, Atiyah Mohamed Gamal (Author)

2012 & 2014

Verantwortlichkeitsangabevorgelegt von Atiyah Mohamed Gamal Elsheikh

ImpressumAachen : Publikationsserver der RWTH Aachen University 2012

UmfangXX, 164 S. : Ill., graph. Darst.

Aachen, Techn. Hochsch., Diss., 2012

Prüfungsjahr: 2012. - Publikationsjahr: 2014

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Naumann, Uwe (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2012-01-31

Online
URN: urn:nbn:de:hbz:82-opus-47677
URL: https://publications.rwth-aachen.de/record/229154/files/4767.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
Automatische Differentiation (Genormte SW) ; Sensitivitätsanalyse (Genormte SW) ; Systembiologie (Genormte SW) ; Modelica (Genormte SW) ; Informatik (frei) ; hybride Optimierungsverfahren (frei) ; hyberid heuristics (frei) ; automatic differerntiation (frei) ; sensitivity analysis (frei) ; systems biology (frei)

Thematische Einordnung (Klassifikation)
DDC: 004

Kurzfassung
Diese Arbeit befasst sich hauptsächlich mit der Sensitivitätsanalyse DAE-basierter Modelle, die mit der modernen, objektorientierten Modellierungssprache Modelica beschrieben sind. In diesem Zusammenhang wurde ADModelica, ein Werkzeug fürs Automatische Differenzieren von Modelicamodellen, entwickelt. Anderes als gängige Ansätze verwendet dieses Werkzeug Modelica-basierte Compilerverfahren, wodurch ein neuer Ansatz zum Automatischen Differenzieren gleichungsbasierter Sprachen entstanden ist. Um ein derartiges AD-Werkzeug für die umfangreiche Sprache Modelica zu ermöglichen, wurde ein vorhander quelloffener Compiler verwendet. Ein automatisch generiertes Modell enthält eine effiziente Formulierung der Sensitivitätsgleichung, womit Parametersensitivitäten mithilfe jeder beliebigen Simulationsumgebung für Modelica berechnet werden können. ADModelica wurde auf realistische Modelicamodelle aus dem Bereich der Systembiologie erfolgreich angewendet. Die Benchmarks zeigen, dass die Laufzeiteffizienz der Simulation generierter Modelle und die Genauigkeit der resultierenden Parametersensitivitäten erheblich besser sind als bei den üblichen Methoden der finiten Differenzen. Des Weiteren gestattet die Representätion dieser Modelle die Ausnutzung struktureller Eigenschaften der Sensitivitätsgleichung zur verbesserten Simulationslaufzeit auf Hochleistungsrechnern.Mit ADModelica wurden einige zeitintensive, algorithmisch schwierige und technisch herausfordernde Studien von Anwendungen der Sensitivitätsanalyse durchgeführt. Mit diesen Anwendungen lassen sich Verfahren zur Parameterschätzung schlecht skalierter dynamischer Modelle, eine herausfordernde Problemstellung aus dem Bereich Systembiologie, stabil und effizient realisieren. Diese Studien beeinhalten u. a.:• Untersuchung einiger globaler Optimierungsstrategien im Bezug auf Qualitätsergebnisse und Implementierungsaufwand: In diesem Zusammenhang wurden neue ableitungsbasierte hybride Optimierungsstrategien entworfen.• Bestimmung der Konfidenzintervalle von Modellparametern durch gängige Techniken aus dem Bereich IdentifizierbarkeitsanalyseAußerdem wurden sowohl domainabhängige als auch domainunabhängige rechenbetonteModelica-basierete Softwarewerkzeuge implementiert, z. B.:• ein Werkzeug zur Visualisierung von skalierten Parametersensitivitäten im Rahmen einer betreuten Masterarbeit,• eine Modelicabibliothek zur Modellierung biochemischer Netzwerke mit vereinfachten Kinetikgleichungen, durch die Modellfamilien spezifiziert werden können, und • ein Modelica-basierter Editor zur Modellierung biochemischer Reaktionsnetzwerke im Rahmen einer Zusammenarbeit mit Kollegen.DesWeiteren enthält diese Dissertation theoretische Studien bezüglich des Differentiationsund Strukturindex von differential-algebraischen Gleichungssystemen mit einem interessanten Beweis zur ihrem Zusammenhang.

This work is mainly concerned with sensitivity analysis of DAE-based models described by the modern object-oriented modeling language Modelica. In this context, an automatic differentiation tool named as ADModelica is presented. It fully employs Modelica-based compiler techniques forming a new automatic differentiation approach for non-causal equation-based languages. Already existing open-source compiler tools are utilized for reducing implementation efforts. A generated output model efficiently represents a sensitivity equation system by which parameter sensitivities can be simulated using any existing Modelica simulation environment. The resulting tool has been successfully applied on high-level Modelica models in the field of Systems Biology. In benchmark examples, the performance of the generated models are better than applying common finite difference methods in terms of accuracy and runtime performance. Moreover, the representation of these models permits the exploitation of structural characteristics of sensitivity equation systems for significantly improved runtime performance on supercomputer clusters.Using ADModelica, several sensitivity analysis application studies of computationally, algorithmically and technically challenging nature have been performed towards the realization of stable efficient parameter estimation process of large and badly-scaled dynamical models. These studies cover among others: • The examination of several global multistart optimization methods w.r.t. results quality and implementation efforts, in particular the design of new derivative-based hybrid heuristic strategies• The determination of confidence regions of model parameters via identifiability analysis techniques based on linearized statistics and Monte Carlo bootstrap methods.Within this work furtherModelica-based both domain-dependent and domain-independent computational tools have been implemented such as:• A compact Modelica library for simplified kinetics for modeling complex reaction systems through which model families can be easily specified• A tool for visualizing scaled parameter sensitivities within a supervised master thesis • A Modelica-based editor for modeling biochemical reaction networks within a collaborative work with collegesFinally, this thesis also covers theoretical studies concerning the differential and the structural index of a DAE system and the corresponding sensitivity equation system with an interesting mathematically proven conclusion about their relationship.

Fulltext:
PDF