| Project/Area Number |
23K24855
|
|---|
| Project/Area Number (Other) |
22H03599 (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 60090:High performance computing-related
|
|---|
| Research Institution | Japan Atomic Energy Agency |
|---|
Principal Investigator |
小野寺 直幸 国立研究開発法人日本原子力研究開発機構, システム計算科学センター, 研究職 (50614484)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
井戸村 泰宏 国立研究開発法人日本原子力研究開発機構, システム計算科学センター, 副センター長 (00354580)
長谷川 雄太 国立研究開発法人日本原子力研究開発機構, システム計算科学センター, 研究職 (10851016)
平野 洪賓 (張洪賓) 国立研究開発法人防災科学技術研究所, 水・土砂防災研究部門, 主任研究員 (20551336)
下瀬 健一 国立研究開発法人防災科学技術研究所, 水・土砂防災研究部門, 主任研究員 (40729183)
鈴木 真一 東北大学, 理学研究科, 特任研究員 (60462503)
稲垣 厚至 東京科学大学, 環境・社会理工学院, 助教 (80515180)
河村 拓馬 国立研究開発法人日本原子力研究開発機構, システム計算科学センター, 研究副主幹 (90718248)
朝比 祐一 国立研究開発法人日本原子力研究開発機構, システム計算科学センター, 研究職 (00824103)
|
|---|
| Project Period (FY) |
2024-04-01 – 2025-03-31
|
| Project Status |
Discontinued (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2025: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Fiscal Year 2024: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000)
Fiscal Year 2023: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000)
Fiscal Year 2022: ¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
|
|---|
| Keywords | 都市街区風況解析 / ラージエディ・シミュレーション / GPU / データ同化 / パーティクルフィルタ / 局所アンサンブル変換カルマンフィルタ / 格子ボルツマン法 / 適合細分化格子法 / 風況デジタルツイン / 都市街区内風況解析 / ナッジング法 / GPUスーパーコンピュータ / 適合細分化格子 |
|---|
| Outline of Research at the Start |
GPUスーパーコンピュータ上において、m解像度の風況シミュレーションに観測データを同化した、都市街区の風況デジタルツインを実現する。これまでに、局所的に格子解像度の変更が可能な適合細分化格子法による計算資源の削減および格子ボルツマン法のGPU向け最適化により、細かな路地から都市街区の全域を捉えた高解像度風況シミュレーションのリアルタイム・アンサンブル計算を世界で初めて実現した。これをさらに高速化し、観測データを同化することで、都市街区内の風況分布をリアルタイムに予測可能なデジタルツインを実現を目指す。
|
| Outline of Annual Research Achievements |
本研究グループは、適合細分化格子（AMR）法で計算格子点数を約1/10に削減し、GPU最適化でCPU比10倍以上の性能向上を実現する風況解析コードCityLBMを開発している。本課題では、風況デジタルツインの実現に向け、メソスケール気象データに対応した広域データ同化手法と、都市街区内の観測データを対象とした局所データ同化手法の開発を行った。
CityLBMでは、広域データ同化手法として従来ナッジング法を使用していた。この手法では、解析値と観測値の差に比例する付加項を加えて両者を近づけるが、ナッジング係数が固定のため、季節や日中の大気状態の変化に最適化できないという課題があった。これを解決するため、パーティクルフィルタ（PF）を用いた新たな手法を開発し、大気の状態に応じてパラメータを最適化できるようにした。米国のオクラホマシティでの風況観測実験を検証に使用した結果、午前中の安定な大気と午後の不安定な大気に対してナッジング係数が最適化され、速度標準偏差の誤差を終日で約10%改善できた。
局所風況のデータ同化として、気象分野で用いられる局所アンサンブル変換カルマンフィルタ（LETKF）の参照実装を行った。LETKFは高精度が利点だが、格子点ごとにアンサンブル数の大きさの密行列に対する固有値計算が必要で、リアルタイム計算にはGPUによる高速化が求められる。そこで、GPU向けデータ構造の最適化や理化学研究所の固有値計算ライブラリ（EigenG-Batched）の利用、AMR法の格子削減を導入し、大幅な高速化を実現した。具体的には、一様観測や標準偏差の大きい領域の閾値処理を実装し、風洞実験解析に適用。全格子点（106万点）のうち0.08%にあたる852点で、十分な精度を維持した。
以上より、風況デジタルツインに必要なリアルタイムのデータ同化技術の基盤が構築できた。
|
