データから微分方程式を発見する機械学習による電子輸送係数データセットの獲得

• Project/Area Number: 25K01209
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 21010:Power engineering-related
• Research Institution: Muroran Institute of Technology
• Principal Investigator: 川口 悟 室蘭工業大学, 大学院工学研究科, 助教 (70834852)
• Co-Investigator(Kenkyū-buntansha): 高橋 一弘 室蘭工業大学, 大学院工学研究科, 助教 (60746973)
• Project Period (FY): 2025-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥18,850,000 (Direct Cost: ¥14,500,000、Indirect Cost: ¥4,350,000); Fiscal Year 2028: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000); Fiscal Year 2027: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000); Fiscal Year 2026: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000); Fiscal Year 2025: ¥13,130,000 (Direct Cost: ¥10,100,000、Indirect Cost: ¥3,030,000)
• Keywords: 機械学習 / プラズマ / 電子輸送係数 / 電子スオーム実験

Outline of Research at the Start

機械学習を行えるように構成したドリフトチューブを構築し，直流電界下における電子数密度の時空間進展(電子スオームマップ)を測定する。機械学習を用いて測定した電子スオームマップを解析する。初年度は実験装置の構築ならびに，Physics-informed neural networks(PINNs)を活用して電子スオームマップから電子数密度連続の式を発見することによって電子輸送係数を決定する方法を検討する。翌年度以降、基本ガスやCmFnガスを対象に測定・解析を進め，電子輸送係数データセットを獲得するとともに，電子-気体分子衝突過程から各ガス中の電子輸送特性を理解する。