Drastic Acceleration of Fluid Simulation Using Combination of Low-Dimensional and High-Dimensional Models

Research Project

Project/Area Number	24K22300
Research Category	Grant-in-Aid for Challenging Research (Exploratory)
Allocation Type	Multi-year Fund
Review Section	Medium-sized Section 60:Information science, computer engineering, and related fields
Research Institution	RICOS Co. Ltd.
Principal Investigator	堀江正信株式会社RICOS, 基盤研究部, 部長 (10822364)
Co-Investigator(Kenkyū-buntansha)	佐藤慎太郎東北大学, 工学研究科, 助教 (60869650)
Project Period (FY)	2024-06-28 – 2027-03-31
Project Status	Granted (Fiscal Year 2024)
Budget Amount *help	¥6,500,000 (Direct Cost: ¥5,000,000、Indirect Cost: ¥1,500,000) Fiscal Year 2026: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000) Fiscal Year 2025: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000) Fiscal Year 2024: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Keywords	グラフニューラルネットワーク / 低次元モデル / 機械学習 / 数値流体力学
Outline of Research at the Start	ものづくりにおいて、設計の試行錯誤によるリードタイムの長さが課題となっている。そこで近年では機械学習の技術を用いて数値解析の代用することで評価の高速化を試みる研究が多く見られる。低次元モデルの手法では、現象を少数のベクトルの重ね合わせで記述するため高速であるが、小スケールの現象については精度が低下する傾向にある。一方で、高次元モデルの手法では、低次元モデルとは異なり入力の次元を落とさないため小スケールの物理現象の表現力が高いが、大スケールの現象については精度が低下する傾向にある。そこで本研究では、低次元モデルと高次元モデルを高度に融合させ、流体現象の予測を抜本的に高速化することを目的とする。