2023 Fiscal Year Annual Research Report
特徴面検出・解像度向上を自動で相互に行うAI積極融合型の新しい数値流体力学
Publicly Offered Research
| Project Area | Foundation of "Machine Learning Physics" --- Revolutionary Transformation of Fundamental Physics by A New Field Integrating Machine Learning and Physics |
|---|
| Project/Area Number |
23H04500
|
|---|
| Research Institution | Yokohama National University |
|---|
Principal Investigator |
北村 圭一 横浜国立大学, 大学院工学研究院, 准教授 (20402547)
|
|---|
| Project Period (FY) |
2023-04-01 – 2025-03-31
|
| Keywords | 衝撃波 / AI / CFD |
|---|
| Outline of Annual Research Achievements |
従来の特徴面検知では流体の数値計算(CFD)結果を可視化し，「物理量の等高線が密であれば衝撃波」などと肉眼で判断していたが，これには高度な専門知識や経験が必要となる上，見落としの可能性もあった．これに対し本研究では画像処理（Canny法）を応用し，流体数値計算における「圧力，速度，密度」の多次元データに対しCNN（畳み込みニューラルネットワーク）を用い，衝撃波・接触面・相界面など流体特徴面を精密・同時・自動検出する．そして検出結果をCFDアルゴリズムに直接導入し解像度を自動向上する（単なるAIの転用ではない）新しい流体計算法の提唱を目指す．
初年度である2023年度は，この初期段階である「圧力」を利用した流体数値解法の調査を進展させた．具体的には，まず圧力を用いて衝撃波を効率的に検知し，その結果を流体計算中に数値計算法の一部である「数値流束」と「制限関数」それぞれに利用した（より具体的には，数値粘性の大きさを調整した）．その結果，いずれも数値解の大幅な改善は見られなかったものの，前者の方がやや効果が大きく，また数値計算を安定に行える事が分かった．この事から，今後は1) 前者を「圧力，速度，密度」の多次元データに拡張して流体特徴面を捕捉する，2) そしてその結果を流体計算法に活用する，の2段階を順次進める予定である．
またこの間，領域から発信されるAI関連情報を入手したり，領域が開催する会議に参加したりする事で，必要な知識の習得に努めた．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
海外渡航が重なったため，2023年度は基礎知識の吸収に注力した．
|
| Strategy for Future Research Activity |
2024年度は本研究の実行を重点的に取り組む．特にこれまで得られた知見を活かしながら，実際に「圧力，速度，密度」の多次元データの利用に着手する．
|
