2017 Fiscal Year Annual Research Report
Observation matrix design based on sparse modeling beneficial to rapid data assimilation
Publicly Offered Research
| Project Area | Initiative for High-Dimensional Data-Driven Science through Deepening of Sparse Modeling |
|---|
| Project/Area Number |
16H01536
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
長尾 大道 東京大学, 地震研究所, 准教授 (80435833)
|
|---|
| Project Period (FY) |
2016-04-01 – 2018-03-31
|
| Keywords | データ同化 / スパースモデリング / クリギング / モデル選択 / 首都圏地震観測網 / フェーズフィールド法 |
|---|
| Outline of Annual Research Achievements |
平成28年度に開発した，スパースモデリングに基づくデータ選択アルゴリズムを実装したデータ同化テストコードに基づき，データ選択に伴うデータ同化結果への影響の検証に着手した。本検証実験においては，人工データを用いた「双子実験」の要領で進めた。まずは，真のモデルパラメータおよび初期状態を設定した上で，数値モデルによるシミュレーションによって得られた結果を擬似観測データとし，逆にモデルパラメータや初期状態は未知であるとしてデータ同化を実施した。
研究代表者の研究室に所属する大学院生が，データ同化テストコードを並列計算機へ投入し，データ選択を行わない通常のデータ同化の場合，およびスパースモデリングによるデータ選択を実施した場合について双子実験を実施した。両者の双子実験について，計算時間を比較すると共に，特に正則化パラメータの値が，選択されるデータ点および得られる結果へどのように影響するかについて，慎重に吟味した。得られた成果について，本新学術領域研究の領域会議において発表した。
このようにして，開発したデータ同化コードの十分な検証実験を終えた後，最後に新規アルゴリズムを導入したデータ同化手法の実問題への応用として，地震動イメージング法への実装，長尾がフェーズフィールド法への実装に取り組んだ。前者については，首都圏地震観測網で得られた実際の地震データを用いることにより，データ選択による効果について検証した。また後者については，マルテンサイト組織における相変態をターゲットとし，実在の構造材料組織のパラメータならびに内部状態の推定問題への適用を試みた。これらの成果は，2018年米国物理学協会大会，米国地球物理学連合2017年秋季大会，および本新学術領域研究の領域会議で発表した。
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
