2023 Fiscal Year Annual Research Report
Real-time simulation of unprecedented complex disasters through data science embedded with empirical knowledge of physics
| Project/Area Number |
23H01662
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
浅井 光輝 九州大学, 工学研究院, 准教授 (90411230)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
笠間 清伸 九州大学, 工学研究院, 教授 (10315111)
田中 聖三 広島工業大学, 工学部, 准教授 (10439557)
三目 直登 筑波大学, システム情報系, 助教 (10808083)
山野井 一輝 京都大学, 防災研究所, 助教 (30806708)
|
|---|
| Project Period (FY) |
2023-04-01 – 2027-03-31
|
| Keywords | 粒子法 / 豪雨被害 / 地震津波被害 / 複合災害 / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本課題では、これまでに長年培われてきた物理の“経験知”（科学分野の第2世代:理論科学と第3世代:シミュレーション）を埋め込んだ新たなデータインフォマティックスPEDI 「Physics Embedded Data Informatics」(第4世代:情報科学)を構築し、災害規模、対策の有効性などの未来を事前に知る“未来知”のリアルタイム化を図ることを目指したものである。以上の目的のため、これまでに申請者らが培ってきた粒子法および有限要素法による自然災害被害予測のための計算ツールに次の1～3の機能を追加する計画であった。1．FEMへの土砂移動モデルの導入 2．豪雨による土砂災害予測の高度化 3．堤防決定予測のための粒子法の高度化
加えて、数値解析と機械学習の融合した新しいデータサイエンスを構築するものである。
1年目の段階で、計算ツールの追加機能の1と3はほぼ目途が立ち、論文投稿するなど、当初予定のスケジュールよりも早い段階で成果をあげることができた。また、2の計算ツールとして利用する予定であったノートルダム大学が開発したADCIRCを使った国際連携研究をスピンオフ研究プロジェクトとして開始させることができ、科研費の国際連携研究として実施することになった。
また数値解析と機械学習を融合した新しいデータサイエンスについての研究については、機械学習の予測値に解の信頼性を付与するために、物理を支配する方程式の再現度を損失関数に組み込むPhysics Informed Neural Networksを導入した。また選点法的に点ごとに損失関するを評価する従来法では境界条件に関する誤差が顕著にでることを指摘し、その改善方法を提案し、論文にまとめた。
以上、当初のスケジュールよりも早く成果が出始め、また予定外のプロジェクトの立ち上げにもつながった。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
実績概要でも記載した通り、1年目から当初予定の課題の多くを解決することができ、論文業績(9編の査読付き論文、うち4編国際ジャーナル、加えて12件の国際会議での口頭発表)へとつながった。その論文のうち1編が、土木学会応用力学委員会の論文賞を受賞した．また、スピンオフ的な国際連携研究プロジェクトが科研費の国際連携研究として開始した。
以上の理由（初年度から多数の論文業績が得られたこと、別プロジェクトへと発展したこと）から、当初予定の成果があげられたと判断した。
|
| Strategy for Future Research Activity |
ビデオ会議、SNSを使った密なオンライン議論を行うことで、分担者と代表者間での連携が適切に行われた。そのおかげもあり、数値解析技術の開発項目の3つの内の2つの開発目途がたち、また数値解析と機械学習を融合した新しいデータサイエンス「Physics Embedded Data Informatics（PEDI）」の基礎となる基盤技術の一つPhysics Informed Neural Networks(PINN)に関する新たな知見を短時間で得ることができた。現時点では、代表者と各分担者間での議論、連携は十分に行えているため、このまま密なオンライン議論を継続するとともに、更なる発展のためには、グループ全体での対面議論を1年に1回は開催するように心がける。特に、数値計算と機械学習を融合するPEDIは、新しい取り組みであり、数値計算を得意とする研究者と機械学習を得意とする研究者の共同で革新的なアイデアに繋がる可能性を秘めている。このためにも全体ミーティングの数を増やし、各研究者間での有機的な連携が今後の更なる発展の鍵になるものと考える。
|
Research Products
(42 results)
