Research Project
Grant-in-Aid for Scientific Research (A)
物理現象を記述する基礎方程式はほとんどが微分方程式である。基礎方程式に忠実に従う物理シミュレーションは、計算複雑性が高く、現実時間で扱える系のサイズが限られるという深刻な問題がある。近年、シミュレーション結果のデータを「機械学習」し、学習済みモデルの高速な予測(シミュレーション)によるこの問題の解決が脚光を浴びている。本研究では、各変数をノード、変数全体をグラフに対応させ、(左辺が1階時間微分である)連立微分方程式に合わせたグラフ深層学習の(既存研究を包括する)統一的学習・予測アルゴリズムを構築し、様々な物理シミュレーションを高速化し、多様な関連分野の効率化・生産性向上に貢献する。