シミュレーション・制御・実機

サロゲートモデルとは？元が取れる条件：解く回数と比べる相手

2026/8/16 （更新: 2026/10/11）

🤖 AIを使用して執筆

一回の推論は、確かに速い

この分野で、サロゲートモデルが実用段階に近づいていることを示す報告がある。ただしこの段で引く二本のうち、査読を通っているのはML4CFDの振り返りだけで、AB-UPTの報告は査読前のプレプリントである。Alkinらのプレプリントは、Anchored-Branched Universal Physics Transformers（AB-UPT）を、自動車のSHIFT-SUVと航空機のSHIFT-Wingという二つの新しい産業規模データセットで評価した¹。著者らは要旨で、この手法が「積分された空力荷重（力）のほぼ完全な予測を数秒で得る」「単一GPUで一日以内に訓練可能」だと報告する¹。

ただし本文を開くと、「ほぼ完全」が当てはまるのは航空機のSHIFT-Wingのほうだと分かる。そちらは決定係数R²が1.00、最悪でも誤差2%以内だ。自動車のSHIFT-SUVでは同じ積分量でも車種で成績が割れ、エステート型の揚力はR²=0.815・最大誤差226.8%に達する。原著自身が「エステート型はファストバック型より難しい」と断っている¹。その理由を原著は、揚力が −200 N を超えるエステート型の標本が訓練集合にごく少ないことに求め、そうした幾何を足せば改善する見込みが高いと書く。原著の説明どおりなら、足りないのはその領域を覆う訓練データ、つまり前払いのほうだということになる¹。「従来の数値ソルバに比べて桁違いに少ない計算量」という評価のほうは、この技術報告が新たに測ったものではない。要旨の冒頭で先行するAB-UPT論文の成果を紹介した一文であり、本報告が自分の結果に付ける倍率は序論の「一桁（order of magnitude）速い」である¹。

競争的な評価でも似た結果が出ている。二次元翼型まわりの空力シミュレーションを対象にしたNeurIPS 2024のML4CFDコンペティションには、要旨の言い方では「240を超えるチーム」、本文の言い方では「およそ240の参加者ないしチーム」が集まり、計650件の提出があった⁵。主催者は、予測精度・物理的忠実度・計算効率・分布外への汎化を包含する多基準の枠組みで評価し、優勝したエントリーが「集計指標において、元のOpenFOAMソルバの性能を上回った」と報告している（OpenFOAMは広く使われるオープンソースのCFDソルバである）⁵。

ただしこの「上回った」は読み方に注意が要る。競技の正解データはOpenFOAM自身が生成したもので、精度の上限はOpenFOAMが定義している。集計スコアは速度を含む合成指標で、優勝手法MMGPは162.7倍の速さで84.68点、OpenFOAMは速さ1倍で82.5点だった⁵。差を作っているのは速度項であって、「機械学習がCFDソルバより正確だった」という話ではない。表を開くと、OpenFOAMを上回ったのは6つのサロゲートモデル行のうちMMGPの一変種だけで、同じ手法の第2変種（68.9倍）は80.54点、第2位から第4位（319〜617倍）はいずれも82.5点を下回る⁵。そのMMGP自身も、速度以外の項に「良」に届かないセルを持ち、速度項を除けばOpenFOAMより低い⁵。著者ら自身も、上回ったのは「特別に設計された基準のもとで（under tailored criteria）」だと限定している⁵。掲載版の要旨はこれに続けて、上回ったことは、優勝した解法がOpenFOAMソルバを置き換えられることも、この課題に限ってさえ総合的に優れていたことも意味しない、と書く⁵。

そもそもこの集計スコアは、サロゲートモデルの推論時間しか見ていない。主催者は付録で、スコア計算に明示的に現れるのは推論時間だけであり、訓練時間は「単一GPUで72時間を超えたら失格」という固定の閾値としてしか考慮されない、と書いている⁵。訓練データを作ったOpenFOAM自身の実行費用に至っては、どの項にも入らない。これは配点の側から確かめられる。速度項の総重みはML関連40%のうち25%とOOD汎化30%のうち25%で、合わせて17.5%。OpenFOAMの82.5点は「速度以外の全項目で満点を取り、速度項を丸ごと落とした」値にちょうど一致する⁵。主催者自身、この集計関数には「設計上まだ改善の余地がある」と付け加えている。競技の設計は、この記事が問題にしている前払い費用を最初から数えていなかった。

見えていないのは前払いだ

サロゲートモデルの推論が数秒で終わるという数字は、訓練が済んだあとの話でしかない。訓練データを生成するために古典ソルバを何度も回し、そのうえでモデルを訓練し、ハイパーパラメータを調整する。この前払い費用は、最初の一回の有用な答えが出る前にすでに支払われている。

いくらかかるのかも、要旨ではなく本文にある。AB-UPTの報告では、訓練は単一のNVIDIA H100上で12.5〜25.0 GPU時間である。著者らは航空機データセットのマッハ0.85側を、全560本のシミュレーションの8割にあたる448本で訓練している¹。著者らはさらに、良いサロゲートモデルを得るのに何本の数値シミュレーションが要るかを実際に削って測っており、56本まで減らしても決定係数は0.99を保つ（14本では−0.17に崩れる）¹。ただし最大誤差は、全448本の1.3%から、112本で22.3%、56本で104.5%へ跳ね上がる。112本の段では決定係数が1.00のまま動いておらず、誤差の中央値も0.5%に留まっている¹。決定係数だけを見て前払いを削ると、平均的な当たりは保たれたまま最悪ケースが先に壊れる。前払いは固定額ではなく、それ自体が設計変数だということだ。

この構造を、指標そのものとして正面から扱った研究がある。ただし着想の出所は別にある。McGreivyとHakimは2024年、流体まわりのPDEを機械学習で解き、標準的な数値解法を上回ったと主張する論文の79%（76本中60本）が弱いベースラインと比較していると報告した²。そのうえで公正な比較のための処方の一つとして、データ生成と訓練の費用を回収するのにサロゲートモデルを何回評価する必要があるかを式で書いて報告するよう勧めている²。この処方を書いた論文自体は Nature Machine Intelligence 誌（2024年）に載った査読済みの研究であり（本稿が引く五本のうち査読を通っているのは、この一本と会議録に載ったML4CFDの振り返りだけである）、査読前なのは枠組みではなく、後続の三本が出した個々の測定値のほうだ²。Zhangらは査読前のプレプリントでこの量を実用に足るものにして「分岐点複雑度（breakeven complexity）」と名づけ、「学習済みソルバが、誤差を揃えた従来型ソルバと比べてコスト面で見合うようになるまでの、フォワード解の回数」と定義する³。評価の軸を精度だけから、前払い費用と実際に解く回数を掛け合わせた総コストへと移す考え方だ³。著者らは、訓練予算のうちどれだけをデータ生成に充てるかをスケーリング則で決める方法を示し、PDEの学習ソルバ向けベンチマークであるAPEBenchから選んだ、二次元の周期境界条件を持つ三つの問題と、GPUネイティブのコードPyFRで生成した複数障害物まわりの流れという新しいベンチマークで検証している³。

そして著者らは、その回数を実際に測っている。APEBenchから採った周期境界の問題を、著者らは「科学MLで普段研究されている基本的なおもちゃのPDE」と呼ぶ。この問題では、誤差を揃えた古典ソルバに対して見合うまでに「一見したところ数十万回の呼び出しが必要」だという³。一方、PyFRで生成した複数障害物まわりの流れ（BreakFlow）については、典型的な精度を狙う平均ケースで「元が取れるまでに必要な推論回数は数千回程度」で、ナビエ–ストークスやクラモト–シヴァシンスキーより「二桁少ない」と著者らは報告している³。最悪の試行に誤差を揃える最悪ケースでは、付録の表の同じ予算で約2.8万回となり、8モデルがほぼ同じ値に揃う³。ただしこのときの最悪誤差は、nRMSEで0.27から5.45まで開いている³。なお8モデルのうち4つは事前学習済みの基盤モデルで、原典はその事前学習の費用を、多くの下流タスクで共有される費用として分岐点から除いている³。分岐点は、前払いの予算を「誤差を揃えた古典ソルバ1回と推論1回の費用差」で割った回数として定義されている³。予算を分岐点で割ってこの費用差を戻すと、FFNOの平均ケースでは高精度ソルバ1回の生成時間136.90秒に一致し、最悪ケースでは約15秒まで縮む（本稿の計算）。

つまり分岐点は、どの問題にも通用する一つの閾値ではない。問題が難しくなるほど下がる量であり、同じ論文の中で二桁動いている。採否を決めるとき写し取るべきなのは数値そのものではなく、自分の問題で数え直すという手続きのほうだ。もっとも、本稿の出典が測ったのは、自動車と航空機まわりの外部流れ、周期境界のおもちゃのPDE、複数の矩形障害物を過ぎる二次元の流れである。構造解析のような別の物理領域で同じ傾向が出るかを測った報告は、その中に無い。

比較相手は「誤差を揃えた」古典ソルバ

分岐点を計算するとき、比較対象の選び方を間違えると答えが意味を持たなくなる。著者らは、比較すべき相手が誤差を揃えた従来型ソルバであることを強調する³。サロゲートモデルの出力と同じ精度を出すために、古典ソルバがどれだけのコストを要するかを見なければならない。もっともこの論点について著者ら自身は「我々が最初ではない」と断り、McGreivyとHakimの批判が自分たちの仕事を直接動機づけたと書いている³。彼らが立てた規則は二つある。比較は同じ精度か同じ実行時間のどちらかで行うこと、そして比べる相手はその問題に対して効率のよい数値解法であることだ²。

ここで見落とされやすいのが、古典ソルバ側にも精度を下げる選択肢があるという点だ。著者らは、従来型ソルバが「十分に低いシミュレーションコストで低精度の解を生成する」能力を持つことを考慮している³。実務でいえば、メッシュを粗くする、反復回数を減らす、乱流モデルの階層を落とす、といった操作だ。こうした操作で古典ソルバの実行コストは下がり、比較の前提が変わる。

サロゲートモデルが勝つべき相手は、フル精度で回した古典ソルバではなく、同じ誤差水準まで安上がりに調整された古典ソルバだ。この比較を怠ると、サロゲートモデルの優位性を実際より大きく見積もることになる。極端な場合、誤差を揃えた古典ソルバのほうがサロゲートモデルの推論1回より速く、分岐点は定義されない。原典の図では、4問題のうち3つで、そうなる学習ソルバが少なくとも一つある³。

そのベンチマークは難しい問題か

サロゲートモデルの成績が良かったとき、次に確認すべきは、そのベンチマークがそもそも簡単な問題ではないかという点だ。Duraisamyは査読前のプレプリントで、予測できるか（predictivity）と使う価値があるか（utility）を切り分けよと言う。predictivity は関心のある地平と量について何が予測可能かを問い、utility は償却まで含めて、同じ許容誤差で最適化された古典ソルバに勝てるかを問う⁴。そのうえで彼は、多くの成功したベンチマークが低次元の解多様体の上に存在すると指摘する。解多様体とは、その問題が実際に取りうる解の集合である。彼はこうした領域を「有能な縮約モデルであればどれでも十分に内挿できる」と説明する⁴。問題の自由度が実質的に低ければ、複雑なサロゲートモデルを持ち出さなくても、まともな縮約モデルで同程度の精度が出うる。

ただしこの指摘の実務上の意味は、一方向ではない。高いスコアが、サロゲートモデルの能力ではなくベンチマークの易しさを測っている可能性はある。そしてDuraisamy自身は、その同じ易しさを採用の追い風として数える。彼は、低次元で滑らかな解多様体の上にある問題をニューラルサロゲートモデルの利用価値が高い第一の領域に分類する。例に挙げるのは定常空力と設計空間探索である。彼はその領域について「ここでサロゲートモデルが競っているのは能力ではなく償却コストであり、多数回問い合わせる用途ではコスト優位が相当大きくなりうる」と書く⁴。つまり問題が易しいことは、能力の証明にならないと同時に、採用しない理由にもならない。判断はそこで初めて、何回解くのかという計算に移る。

高周波が落ちる

もう一つ、Duraisamyが指摘する限界がある。スペクトルバイアスとは、学習の過程で低周波（滑らかに変化する成分）を優先し、高周波（急激に変化する成分）を学習しにくい性質である。ニューラルサロゲートモデルは、このスペクトルバイアスにより高周波成分を十分解像できない。粗視化とは、細かい格子の情報を間引いて粗い表現に落とし込む操作である。著者は、この粗視化が不可逆な情報損失によってこの問題を悪化させると述べる⁴。

実務上の帰結は、知りたい量が高周波成分に依存するかどうかを確認することだ。積分された空力荷重のような滑らかな量なら影響は小さいかもしれないが、局所的な乱流構造や急峻な勾配を伴う量では、サロゲートモデルが系統的に見落とす可能性がある。Duraisamyの言い方では「小さなL²誤差は、物理的に決定的な量の大きな誤差と両立しうる」⁴。

難しい問題ほど、サロゲートモデルは有利になる

分岐点複雑度を提示した研究は、サロゲートモデルが有利になる条件も示している。著者らは、コスト・次元・ロールアウト・物理レジームなどの点で問題が難しくなるほど、ニューラルPDEソルバはより効果的になると報告している³。ロールアウトとは、シミュレーションを何ステップも連続して予測し続けることを指す。物理レジームは、レイノルズ数が高い流れなどを指す（レイノルズ数は、流れの中で慣性力が粘性力に対してどれだけ支配的かを表す無次元数）。これらの軸で問題が難しくなるほど、古典ソルバの実行コストは膨らむ³。著者らはまず、分岐点複雑度が古典的にPDEを解く計算コストと逆向きに動く（原文は “scales inversely with”）ことを図で示す³。ただし比例関係ではない。シミュレーションがGray-Scottの二桁（図の値で約290倍）高いBreakFlowでは、著者らによれば分岐点は「大半のモデルで」一桁少なく、ナビエ–ストークスやクラモト–シヴァシンスキーとの三桁（約2,000〜3,400倍）のコスト差に対しては二桁少ない³。付録の表で最大予算の平均ケースを比べると、分岐点の減りはコストの伸びより多くのモデルで2〜8倍緩く、Gray-ScottのDPOTやクラモト–シヴァシンスキーのFFNOのように、逆に減りのほうが大きいモデルもある（本稿の計算）³。

そのうえで著者らは、この観測をそのまま結論にはしない。「これらの結果だけではその結論は導けない」と自ら断り、代替説明を挙げる。BreakFlowでは低精度ソルバが10%速くなるだけで誤差が急増するため、誤差を揃えた古典ソルバのコストが下がらず、それが分母を支配して分岐点を小さく見せているだけかもしれない³。上で表から戻した費用差でいえば、この説明が当てはまるのは最悪ケースではなく平均ケースの数千回のほうだと読める。小さな分岐点は、サロゲートモデル側の強さではなく、古典ソルバ側を安くできないことの裏返しでありうる。前節で見た「古典ソルバにも精度を下げる選択肢がある」という論点が、ここでは実際に分岐点の値を動かしている。著者らはそのうえで、次元・ロールアウト長・レイノルズ数という素性のよい三つの軸で測り直し、いずれの軸でも同じ傾向を確認した³。ただしこの追試に使ったモデルはFFNOの一つだけである³。

同じ観測には代償も含まれている。著者らは「問題の難しさが増すにつれ、分岐点複雑度は下がる一方でテスト誤差は上がる」と書く³。回収は早くなるが、その回収は精度を落とした側で起きている。安く元が取れたことと、答えが使えることは別に確かめなければならない。

この記事はAIを使用して執筆されました。内容には誤りが含まれる可能性があります。事実や数字の出典は脚注から確かめられます。