2022 Fiscal Year Annual Research Report
大規模データ同化に基づく乾燥亀裂の素過程の理解と解明
| Project/Area Number |
19K14671
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
伊藤 伸一 東京大学, 地震研究所, 助教 (10756331)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 破壊 / 乾燥亀裂 / 不均一性 / フェーズフィールドモデル / データ同化 / 深層学習 / PINN |
|---|
| Outline of Annual Research Achievements |
本研究は水と粉体の混合ペーストの乾燥破壊現象において、亀裂の進展に影響する物性値空間不均一性を計測データと数値シミュレーションモデルを比較することで定量的に評価するための基盤技術の開発を研究の目的としている。本年度は、実験研究を加速させることを目的として新規に高解像カメラとレンズを導入した。これにより詳細な亀裂画像を広域で撮影できるようになった上、領域サイズ・密度・厚さなどの実験パラメータを変化させた亀裂パターンの時間発展のスナップショットデータを多く拡充することができた。また、これまでは亀裂画像解析のために手作業の前処理が必要になっていたが実験データの蓄積に伴いこれが困難になったため、これまでに開発してきた画像解析プログラムを統合し自動化・アプリ化した。これにより手作業の前処理が必要なくなったことで解析コストを削減することができ、実験解析が大きく進展した。また、昨年度から新たに開始した深層学習に基づくシミュレーションモデルとデータを融合するデータ同化手法の理論的研究も進展した。これまでに開発を進めてきたフェーズフィールド法による乾燥破壊亀裂のシミュレーションモデルを、昨年度はphysics-informed neural networkに基づいてシミュレーションと逆問題解析を同時に行うデータ同化法へ定式化し、簡単な１次元問題への適用を実施しテストを行なったが、本年度はこれを空間２次元＋時間１次元へ拡張し、より現実的な実験セットアップに近い形でのデータ同化を実施する基盤を整えた。
|
