Workshop on Differentiable Marine Hydrodynamics Simulations and its Applications using MarineHydro.jl

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Provides a novel differentiable BEM solver that enables gradient-based optimization for marine hydrodynamics, opening avenues for research in design optimization and control co-design.

🏢実務担当者:Engineers working on offshore renewable energy systems can leverage exact sensitivities for efficient design optimization and layout planning.

波浪と構造物の相互作用の理解と予測は、浮体式風力タービンや波力エネルギー変換装置から自律型海洋プラットフォームに至るまで、海洋システムの設計と運用の中心となる。従来、これらの相互作用は線形ポテンシャル流理論に基づく境界要素法（BEM）ソルバーを用いてモデル化されてきた。しかし、既存のBEMソルバーの主要な限界は、幾何形状、波周波数、または機器配置などの設計変数に対する流体力学的量の感度（導関数）を提供できないことである。これらの感度は、設計最適化、制御協調設計、不確実性定量化、および物理情報機械学習における現代的なワークフローを可能にするために不可欠である。 勾配にアクセスできない場合、技術者は微分を用いない手法（例えば、パラメータスイープ、ヒューリスティクス、または感度ガイダンスのないサロゲートモデル）に頼らざるを得ず、これらはスケーラビリティが低く、高次元の設計空間において最適解を見逃すことが多い。このボトルネックは、航空宇宙、ロボティクス、機械学習で一般的となっているスケーラブルな勾配ベースの最適化手法を海洋エネルギー分野に適用する進展を妨げてきた。 本ワークショップでは、逆モード自動微分を通じて流体力係数の正確な感度へのアクセスを可能にする、完全に微分可能なBEMソルバーであるMarineHydro.jlを紹介する。Juliaで開発されたMarineHydro.jlは、直接および間接のBEM定式化の両方をサポートし、高速かつ正確なグリーン関数実装を含む。本ワークショップは、海洋および海洋構造物の設計と制御に携わる研究者および実務者を対象としており、感度情報が不可欠なアプリケーションに重点を置いている。参加者は、ソルバーのインストール、流体力学的シミュレーションの実行、勾配の抽出、およびこれらの結果の実践的なケーススタディへの適用方法を学ぶ。 まず、ポテンシャル流理論と境界要素法の文脈における微分可能プログラミングの基礎を概説する。ソルバーのアーキテクチャは、直接および間接のBEM定式化の両方をサポートし、精度と性能のバランスをとるグリーン関数近似の効率的な実装を含む。 応用I：勾配強化学習を用いたサロゲートモデリング。従来のサロゲートモデルは関数評価のみに依存しており、正確な近似には密なサンプリングが必要である。勾配情報をモデルトレーニングに直接組み込むことで、MarineHydro.jlはよりデータ効率が高く正確なサロゲートの構築を可能にする。これは、高忠実度モデルの評価コストが高い設計最適化において特に価値がある。 応用II：多体相互作用とレイアウト最適化。波力エネルギー変換装置などの複数の浮体間の流体力学的相互作用は性能にとって重要であるが、従来のアプローチを用いた最適化は困難である。MarineHydro.jlを用いて、参加者は物体間効果の感度ベースの解析を探求し、勾配ベースの最適化を適用して空間レイアウトと設計変数を研究する。ケーススタディには、WECアレイの勾配ベースの出力最適化が含まれ、このような目的での正確な流体力学的勾配の初めての使用を示す。 正確な感度の利用可能性は、多分野設計最適化（MDO）、制御協調設計、不確実性定量化、および物理情報機械学習における新たな道を開く。微分可能な流体力学を設計ループに統合することにより、MarineHydro.jlは次世代の海洋再生可能エネルギーシステムにおけるスケーラブルで堅牢かつ高性能なワークフローへの道を開く。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Understanding and predicting wave-structure interactions is central to the design and operation of offshore systems—from floating wind turbines and wave energy con- verters to autonomous marine platforms. Traditionally, these interactions are modeled using boundary element method (BEM) solvers based on linear potential flow the- ory. However, a major limitation of existing BEM solvers is their inability to provide sensitivities (derivatives) of hydrodynamic quantities with respect to design variables such as geometry, wave frequency, or device layout. These sensitivities are essential for enabling modern workflows in design optimization, control co-design, uncertainty quantification, and physics-informed machine learning. Without access to gradients, engineers are forced to rely on derivative-free meth- ods (e.g., parameter sweeps, heuristics, or surrogate models without sensitivity guid- ance), which scale poorly and often miss optimal solutions in high-dimensional design spaces. This bottleneck has hindered progress in applying scalable, gradient-based op- timization methods—now common in aerospace, robotics, and machine learning—to the marine energy sector. This workshop introduces MarineHydro.jl, a fully differentiable BEM solver that unlocks access to exact sensitivities of hydrodynamic coefficients through reverse- mode automatic differentiation. Developed in Julia, MarineHydro.jl supports both di- rect and indirect BEM formulations and includes fast and accurate Green’s function implementations. The workshop is targeted at researchers and practitioners working on design and control of offshore and marine structures, with an emphasis on appli- cations where sensitivity information is essential. Participants will learn to install the solver, perform hydrodynamic simulations, extract gradients, and apply these results to practical case studies. We begin by reviewing the fundamentals of differentiable programming in the con- text of potential flow theory and boundary element methods. The solver’s architecture supports both direct and indirect BEM formulations and includes efficient implemen- tations of Green’s function approximations, balancing accuracy and performance.   Application I: Surrogate Modeling with Gradient-Enhanced Learning. Tradi- tional surrogate models rely solely on function evaluations, requiring dense sampling for accurate approximations. By incorporating gradient information directly into model training, MarineHydro.jl enables the construction of more data-efficient and accurate surrogates. This is particularly valuable for design optimization, where high-fidelity models are expensive to evaluate. Application II: Multi-Body Interaction and Layout Optimization. Hydrody- namic interactions between multiple floating bodies—such as wave energy convert- ers—are critical for performance, yet challenging to optimize using traditional ap- proaches. Using MarineHydro.jl, participants will explore sensitivity-based analyses of inter-body effects and apply gradient-based optimization to study spatial layouts and design variables. Case studies include gradient-based power optimization of WEC arrays, marking the first use of exact hydrodynamic gradients for such purposes. The availability of exact sensitivities opens up new avenues in multidisciplinary de- sign optimization (MDO), control co-design, uncertainty quantification, and physics- informed machine learning. By integrating differentiable hydrodynamics into the de- sign loop, MarineHydro.jl paves the way for scalable, robust, and high-performance workflows in the next generation of marine renewable energy systems.

• Zenodo https://zenodo.org/records/20533983first seen 2026-06-04 04:26:31 · last seen 2026-06-05 04:17:20