Closeness and model fusion between gaseous plasma and virtual reinforcement-learning algorithm and their fruitful synthesized system

• Project/Area Number: 24K21198
• Research Category: Grant-in-Aid for Challenging Research (Pioneering)
• Allocation Type: Multi-year Fund
• Review Section: Medium-sized Section 14:Plasma science and related fields
• Research Institution: The University of Shiga Prefecture
• Principal Investigator: 酒井 道 滋賀県立大学, 工学部, 教授 (30362445)
• Co-Investigator(Kenkyū-buntansha): 杉山 裕介 滋賀県立大学, 地域・ひと・モノ未来情報研究センター, 准教授 (30712161)
• Project Period (FY): 2024-06-28 – 2028-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥24,830,000 (Direct Cost: ¥19,100,000、Indirect Cost: ¥5,730,000); Fiscal Year 2027: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000); Fiscal Year 2026: ¥7,800,000 (Direct Cost: ¥6,000,000、Indirect Cost: ¥1,800,000); Fiscal Year 2025: ¥9,230,000 (Direct Cost: ¥7,100,000、Indirect Cost: ¥2,130,000); Fiscal Year 2024: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
• Keywords: 弱電離プラズマ / 強化学習 / アナログコンピューティング / 逆問題 / ルート探索解法

Outline of Research at the Start

実験室プラズマと計算機アルゴリズムの強化学習法の間で、異分野融合研究を実施する。一般的な強化学習モデルとプラズマ現象の物理・化学的側面の間には、共通性が多く存在することがわかってきている。本研究では、まずその共通性について吟味して内容をまとめる。次に、プラズマ現象の高速性を活用したプラズマ－強化学習融合型のアナログコンピューティング手法を確立する。そして、弱電離プラズマ現象の出力に対する逆問題を、強化学習モデルを用いた能動的探索により解き、機能性出力につながる機序を効率よく解明する。このように異分野の知見を融合し、新たなプラズマデザイン法の確立と、新たな物理由来計算法の開発を行う。