複数シミュレーション連携のための機械学習手法開発

Research Project

Project/Area Number	23K11244
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 61030:Intelligent informatics-related
Research Institution	National Institute of Advanced Industrial Science and Technology
Principal Investigator	山崎啓介国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 研究チーム長 (60376936)
Project Period (FY)	2023-04-01 – 2027-03-31
Project Status	Granted (Fiscal Year 2023)
Budget Amount *help	¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000) Fiscal Year 2026: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000) Fiscal Year 2025: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000) Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000) Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Keywords	シミュレーション / データ同化 / サロゲートモデル / 自動交渉 / マルチエージェント
Outline of Research at the Start	本研究では機械学習に基づくサロゲートモデルを用いることで複数シミュレーションを統合する技術の確立を目指す。シミュレーションと機械学習モデルの融合技術を深化させ、複数シミュレーションを連結するための機械学習フレームワークを開発する。
Outline of Annual Research Achievements	シミュレーションおよびデータの整備としてシミュレータの選定を行った。ユースケースとして交通流や生産プロセスのシミュレータを想定していたが、複数シミュレーションの連結を考慮するとメッシュ構造など計算サイズの異なる実行が容易である有限要素法による物理シミュレーションが適切であることがわかった。メッシュサイズを変更することでシミュレーションの粒度が異なる複数の設定を作成できる。シミュレーションの設定を検討しデータ作成の準備が整った。サロゲートモデルの連結のため、シミュレーションとサロゲートモデル連結においてサロゲートモデル構造の最適化を行うアルゴリズムを開発した。複数のシミュレーションを連結する際には、まず各々のサロゲートモデルを構築し、サロゲートモデル間の連結を行う。この時、サロゲートモデルが必要最小限の構成となることが望ましい。連結の際に冗長な変数が含まれると連結の精度が低下するためである。まずは各々のサロゲートモデルを構築する際に構造を最適化することで冗長な変数を削減することを目指した。考案した構造最適化アルゴリズムによってシミュレーションとの連結において精度を維持しつつ、シンプルな構造を有するサロゲートモデルの設計が可能となった。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 年次計画で予定していた「シミュレーション・データ整備」および「サロゲートモデルとシミュレーションの連結」の両項目において進展が得られたため。
Strategy for Future Research Activity	サロゲートモデル間の連結の方法について検討を行う。イジングモデルやグラフィカルモデルなど機械学習のモデル以外にも自動交渉エージェントや言語モデルなど、異なるシステムを連携させる技術が近年発展しており、これらの適用も考慮する。