2023 Fiscal Year Annual Research Report
Prediction of scattering properties of gas molecule based on machine learning and search for functional nano-interfaces
| Project/Area Number |
18K03960
|
|---|
| Research Institution | Kochi National College of Technology |
|---|
Principal Investigator |
武内 秀樹 高知工業高等専門学校, ソーシャルデザイン工学科, 教授 (30435474)
|
|---|
| Project Period (FY) |
2018-04-01 – 2024-03-31
|
| Keywords | 流体工学 / 希薄気体力学 / 分子動力学 / Gas-Surface Interaction / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究では，マイクロ・ナノスケールの系の気体流れや希薄な気体流れのような高Knudsen数流れ場における気体の熱流動特性の正確な把握に必要な物体の固体表面や界面での気体分子散乱挙動の理解に向けて，既存の固体表面での気体分子反射境界条件モデルである拡散反射モデルでは適切に取り扱うことのできない，流れ場の熱流動条件や固体表面・界面の状態など，種々の影響因子を考慮した気体分子散乱特性の予測に有効な反射モデルの構築を機械学習によるアプローチから行い，気体－固体ナノ構造界面における気体分子散乱特性に与える影響要因やその散乱メカニズムを基礎的レベルで解明し，統一的な知見を得ることを目指している．
これまでに提案してきた機械学習により構築したモデルに基づき，固体表面・界面での気体分子散乱挙動の予測に対して，最終年度は，モデルの予測精度向上に向けた分子動力学解析に基づく基礎的な気体分子散乱データの取得を継続しつつ，気体分子散乱特性に影響する因子を包括的に議論し，流れ場である二平板間の熱流動条件として，巨視的な速度勾配や温度勾配を有する際の壁面速度比や壁面温度比の変化に対する金固体表面のナノ構造との関連性を把握した．また，構築した機械学習のモデルから得られる各方向の気体分子の入射・反射分子速度分布関数に基づく適応係数等のマクロな物理量の予測にも効果的であることが確認でき，機能性ナノ界面を探索する際の構築モデルの有用性についても示唆された．
|
