| 研究課題/領域番号 |
21K03714
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分17040:固体地球科学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
森重 学 東京大学, 地震研究所, 助教 (70746544)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | ニューラルネットワーク / マントルダイナミクス / 熱対流 / 熱伝導 / データ科学 / ベイズ推定 / 流体移動 / 時間逆行問題 |
|---|
| 研究開始時の研究の概要 |
マントル内部の岩石流動や流体移動は、プレート運動や地球内部の物質循環を支配する最も基本的な現象であり、それらは物理法則を記述する偏微分方程式を解くことで予測することができる。しかし従来用いられてきた計算手法は、解が不連続となる場合や時間逆行問題を解くことを不得意としてきた。そのような問題点を克服するため、本研究はニューラルネットワークに基づき偏微分方程式を解く新たな手法に焦点を当て、その実用性を検証することを目的とする。本手法の実用性が確認されれば、マントルダイナミクスにおいて取り組める問題の幅が飛躍的に広がると考えられる。
|
| 研究成果の概要 |
本研究では、ニューラルネットワークを用いた新たな手法 Physics-Informed Neural Networks (以後PINNと呼ぶ)によって地球内部における温度や岩石流動の時空間変化を予測できるかを調べた。解くべき式の形や境界条件の入れ方などを変えて試行錯誤したが、現段階では比較的単純な問題に対してもPINNにより精度良く結果を予測することが困難であることが分かった。
|
| 研究成果の学術的意義や社会的意義 |
近年発表された偏微分方程式を解くための新たな手法 Physics-Informed Neural Networks (以後PINNと呼ぶ)は、従来の数値計算手法と比較して、解が不連続になる問題や時間逆行問題に対しても適用が容易であるなどの理由で注目されてきた。しかし本研究では、PINNを用いて地球内部における温度や岩石流動の時空間変化を精度良く予測することはまだ現段階では難しいということを明らかにした。
|
