| Project/Area Number |
23K24810
|
|---|
| Project/Area Number (Other) |
22H03553 (2022-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2022-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60030:Statistical science-related
|
|---|
| Research Institution | The Institute of Statistical Mathematics |
|---|
Principal Investigator |
中野 慎也 統計数理研究所, 学際統計数理研究系, 教授 (40378576)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
齋藤 正也 長崎県立大学, 情報システム学部, 准教授 (00470047)
中野 直人 明治大学, 先端数理科学研究科, 特任准教授 (30612642)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥12,610,000 (Direct Cost: ¥9,700,000、Indirect Cost: ¥2,910,000)
Fiscal Year 2025: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
Fiscal Year 2024: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2023: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2022: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
|
|---|
| Keywords | データ同化 / 粒子シミュレーション / マルチエージェントシミュレーション |
|---|
| Outline of Research at the Start |
「データ同化」は，数値シミュレーションモデルと観測データを組み合わせて，現象を再現，予測する研究手法である．但し，既存のデータ同化手法を粒子シミュレーションやマルチエージェントシミュレーションなどの多粒子モデルにそのまま適用することはできない．本研究では，マクロスケールの観測と多粒子モデルの状態との対応づけを可能にする適切な制約を導入することにより，これまで困難であった多粒子モデルへのデータ同化の適用を実現する．さらに，粒子シミュレーションモデルやマルチエージェントモデルなどの実問題に適用し，手法の有効性を検証する．
|
| Outline of Annual Research Achievements |
本研究課題は，[課題A]流れ場による変換を用いた多粒子モデルのためのデータ同化の開発，[課題B]地球磁気圏荷電粒子モデル，感染症伝播モデルなどの多粒子モデルへのデータ同化の応用の2つのサブ課題に分けて研究を進めている．
[課題A]においては，シミュレーション領域全体を網羅する観測が得られている場合を考え，2次元空間上の粒子分布を観測に合うように修正するための流れ場を導出するためのアルゴリズムを開発した．一旦，粒子分布をマクロな密度分布に変換し，分布を修正する流れ場はradial basisi function networkで表現して流れ場のパラメータをアンサンブル変分法で推定することにより，シミュレーションと観測を関連づける粒子分布の変換ができることを確認した．また，流れ場を推定する際の密度分布変換について，流体方程式の古典的な数値解法が十分に機能することも確認できた．
[課題B]に関しては，応用課題で用いる粒子モデルの開発を進めた．地球磁気圏における荷電粒子の動きを模したシミュレーションモデルにおいては，粒子の運動を決める電場分布を適切に与える必要があるが，磁気圏の電場分布は，高度が低い電離圏と呼ばれる領域の電場分布を反映している．今年度は，この電離圏電場分布を予測するモデルの開発に注力し，機械学習モデルを利用して効率的に予測ができるようになった．また，磁気圏，電離圏の突発的な変動を予測するためのモデル開発も行った．一方で，粒子の速度分布を現実的なものにするためのサンプリング手法も検討した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
少なくとも2次元の問題については，粒子分布を修正してデータ同化を行うアプローチを利用できる目処が立った．また，応用問題として利用する粒子シミュレーションについても，実問題に適用するために必要な準備が進んでおり，また関連研究で一定の成果が出ている．
|
| Strategy for Future Research Activity |
課題Aにおいては，前年度に開発した2次元の粒子分布を変換する手法を，3次元以上の高次元の問題に拡張し，さらに観測が一部しか得られない状況でも利用できるようにすることを目指してアルゴリズムの改良を行う．また，開発した粒子分布変換手法に基づいて粒子分布の観測への当てはまりを評価する指標を定義し，データ同化を行う手法の開発にも取り組む．実際にデータ同化を行うためのアルゴリズムについては，問題設計が容易な変分法アプローチを利用することを考えているが，実装が容易なアンサンブルカルマンフィルタなどの利用も検討しながら研究を進める．
課題Bに関しては，地球磁気圏荷電粒子シミュレーションモデル，感染症伝播マルチエージェントモデルなどについて，課題Aで開発を進めている粒子分布変換手法の実装を進め，有効性を確認する．また，データ同化の実装方法についても検討を進める．
|
