Development of mesoscale seizure simulation model using SPH method and machine learning

• Project/Area Number: 23K03652
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 18040:Machine elements and tribology-related
• Research Institution: Kagoshima National College of Technology
• Principal Investigator: 杉村 奈都子 鹿児島工業高等専門学校, 機械工学科, 准教授 (00563959)
• Co-Investigator(Kenkyū-buntansha): 杉村 剛 国立極地研究所, 国際北極環境研究センター, 特任研究員 (80455493)
• Project Period (FY): 2023-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000); Fiscal Year 2026: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000); Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2023: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
• Keywords: 焼付きモデル / SPH法 / 機械学習 / 可視化アプリケーション / メソスケール

Outline of Research at the Start

これまで、SPH法を用いた大規模並列粗視化シミュレーションによりメソスケールの塑性流動発熱機構を明らかにしてきた。本研究ではこの開発コードをベースとして、様々な摩擦体材料、界面特性による焼付きシミュレーションを高効率に実施して、普遍的な焼付き前現象ならびに焼付く条件を見出してゆく。この高効率化には、機械学習を用いた最適設計法を適用する。さらに、開発を進めてきたWeb可視化アプリケーションCedarPlotに解析機能を搭載する。解析機能では、可視化データの特徴量抽出や、最適設計のための近似関数(応答曲面)生成に関する計算を行い、これを機械学習に用いる。