2021 Fiscal Year Annual Research Report
機械学習を用いたクラスター変分法とフェーズフィールド法のカップリング手法の開発
| Project/Area Number |
20K22456
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
山田 亮 北海道大学, 工学研究院, 助教 (60883535)
|
|---|
| Project Period (FY) |
2020-09-11 – 2022-03-31
|
| Keywords | フェーズフィールド法 / クラスター変分法 / マルチスケール |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、機械学習を用いて原子スケールからメゾスケールの現象を記述する計算手法を確立することにある。本研究では原子スケールの計算手法としてクラスター変分法を、メゾスケールの計算手法としてフェーズフィールド法とcluster activation method（CAM）を用いた。フェーズフィールド法を用いたアプローチではマルチスケールの計算を行なうことよりも計算で一般的に用いられるquasi-equilibrium conditionをDeep Learningで予測するモデルの構築を重点的に行なった。これはフェーズフィールド法の計算において、quasi-equilibrium conditionの計算に非常に時間を要するためである。その結果、Mg合金を対象とした計算において、現在一般的に用いられているニュートン法によってなされている数値計算よりも、少ない計算コストで液相の凝固過程をシミュレーションすることに成功した。しかしながらフェーズフィールド法では原子の情報は可視化され、失われてしまうという問題がある。そこで本研究では、CAMを用いたアプローチにも着手した。CAMは原子の情報を保持したまま、拡散時間スケールの計算を行なうことが可能な計算手法である。しかしながら一般的なCAMでは短範囲原子間相関が含まれないため、計算の精度が低いといった問題がある。そこでクラスター変分法で短範囲原子間相関を考慮した計算をし、その結果を機械学習を通してCAMの計算に用いることでCAMの計算を高精度に行なうことが可能になる。実際にFe-Al合金を対象にクラスター変分法とCAMのカップリング手法を適用したところ、規則相間の位相界面の形成や移動過程を記述することに成功した。
|
