Machine Learningによる気体分子散乱特性予測と機能性ナノ界面の探索
| Project/Area Number |
18K03960
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 19010:Fluid engineering-related
|
|---|
| Research Institution | Kochi National College of Technology |
|---|
Principal Investigator |
武内 秀樹 高知工業高等専門学校, ソーシャルデザイン工学科, 准教授 (30435474)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Project Status |
Granted (Fiscal Year 2020)
|
| Budget Amount *help |
¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2020: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2019: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2018: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
|
|---|
| Keywords | 流体工学 / 希薄気体力学 / 分子動力学 / Gas-Surface Interaction / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究では，高Knudsen数流れでの気体の熱流動特性の正確な把握に必要な界面での気体分子散乱特性の解明に向けて，さまざまな影響因子を考慮した気体分子散乱挙動の予測に有効なモデルの確立を機械学習によるアプローチから実施し，気体－ナノ構造界面における気体分子散乱特性に与える影響要因やその散乱メカニズムを基礎的レベルで明らかにし，統一的な知見を得ることを目指す．
本年度は，昨年度に提案した界面での散乱気体分子の速度分布関数を予測するモデルに対して，さらなるモデル改善を行い，既存の固体表面での気体分子反射条件との比較を行い，構築モデルの精度について検証を行った．具体的には，固体表面性状以外の因子に基づく気体分子散乱特性への予測のために機械学習モデルの拡張について吟味し，巨視的な流れ場の条件として，壁面速度比，壁面温度比の違いを考慮した，水分子の被覆率の違いによる白金固体表面でのアルゴン気体の入射・反射分子の分子速度分布関数に対する，機械学習による予測モデルの構築を行った．さらに，予測された反射速度分布関数に対して，拡散反射やMaxwell型反射境界条件との比較を行い，構築した予測モデルの優位性を確認した．また，予測モデルに基づく分子速度分布関数から求めた運動量適応係数の予測についても，分子動力学解析に基づく値を良好に再現していることが確認され，さまざまな影響因子を取り入れた際でも構築した予測モデルの有用性が確かめられた．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
本年度は，昨年度に提案した固体表面での気体分子の反射分子速度分布関数を予測する機械学習による構築モデルに対して，気体分子散乱挙動に影響を与える固体表面性状以外の因子として流れ場の巨視的な速度勾配や温度勾配を有する場合に対しても機械学習によるモデルの拡張を行った．また，改良した構築モデルに基づく予測された分子速度分布関数と既存の反射モデルとの比較を行い，予測モデルの検証を行ったが，要求した効果を発揮可能な状態が生成する界面構造を予測・把握するまでには至っておらず多少の計画の遅れが見られる．
|
| Strategy for Future Research Activity |
今後は，気体分子散乱挙動に影響する因子を包括的に考慮した場合の任意の固体表面や界面に対して，分子動力学解析による気体分子散乱データをさらに取得し，それらの気体分子速度の情報をもとに構築した機械学習によるモデルを用いて，散乱時の分子速度分布関数を求め，適応係数等のマクロな物理量に対する予測を行い，要求する散乱特性を生成するナノ界面構造について調査し，気体分子散乱特性に与える影響要因を明らかにし，汎用性のある機械学習モデルの構築・拡張について検討する予定である．
|
Report
(3 results)
Research Products
(5 results)
