| 研究課題/領域番号 |
17K14588
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
流体工学
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
清水 雅樹 大阪大学, 基礎工学研究科, 助教 (20550304)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2019年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2018年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2017年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | Turbulent model / Machine learning / 乱流モデル / 機械学習 / 最適制御 / 乱流制御 / 乱流 |
|---|
| 研究成果の概要 |
機械学習における様々なデータ駆動型の手法を用いて，流体力学の数値計算コストの削減を行った．乱流の数値計算は大規模な計算コストが必要であるが，深層学習によって構築した必要最小限の変数のモデルを解くことで即座に行うことが可能になった．動的モード分解という機械学習の手法において，流れのデータから分解されたモードを用いることで，流体中の物体運動に効率的な制御が可能となる手法を考案した．強化学習のアルゴリズムを流れの制御に適したアルゴリズムに修正し，低コストな強化学習を可能にした．
|
| 研究成果の学術的意義や社会的意義 |
乱流の数値計算は様々な工学的製品の設計開発において用いられ，効率的で高精度な性能評価が求められる．物理的な面から乱流計算の効率化が進められてきたが，近年は機械学習による効率化が急速に進みつつある．本研究では乱流が少数自由度で記述できるという性質を用いて，機械学習の様々なアルゴリズムを流体工学の問題に応用した．これにより，物理から演繹的には導出不可能な方法によって，【研究成果の概要】で述べた最適化手法が可能になり，更なる工学製品の省エネの実現に結び付くことが期待できる．
|
