| 研究課題/領域番号 |
22K03572
|
|---|
| 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14020:核融合学関連
|
|---|
| 研究機関 | 山形大学 |
|---|
研究代表者 |
齋藤 誠紀 山形大学, 大学院理工学研究科, 准教授 (40725024)
|
|---|
| 研究分担者 |
中村 浩章 核融合科学研究所, 研究部, 教授 (30311210)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2025年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2024年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 分子動力学法 / 深層学習 / 敵対的生成ネットワーク / タングステン / 水素リサイクリング / 機械学習 / 並進エネルギー / 振動・回転準位 / 畳み込みニューラルネットワーク / 核融合発電 / 分子活性再結合 / 分子動力学 |
|---|
| 研究開始時の研究の概要 |
プラズマの非接触化に伴い、分子活性再結合が周辺プラズマの挙動理解に重要であることが知られてきた。分子過程を考慮した中性粒子輸送を計算実施するためには、炉壁での水素リサイクリング過程を境界条件として課する必要がある。そこで、放出される水素原子・分子の情報（振動・回転・並進エネルギー分布、放出角、放出率の原子・分子比など）を分子動力学に基づき計算する。しかし、入射エネルギー・入射角・材料温度などの膨大なパラメータ域を分子動力学のみで網羅することは計算コストの観点から現実的ではない。そこで、本研究では、照射条件・材料条件を入力し、放出粒子情報を出力する深層学習モデルを分子動力学に基づいて構築する。
|
| 研究実績の概要 |
画像変換に用いられる深層学習モデルであるpix2pixを3次元に拡張したモデルを用いて、水素-タングステン系の原子間相互作用エネルギーの空間分布を予測することに成功した。このモデルは、敵対的生成ネットワーク(GAN) の一種であり、生成器と判別器の 2 つが敵対的な学習を通じて入力ボクセルを期待される正解ボクセルに変換する。生成器は、与えられた入力ボクセルから正解ボクセルに近い出力を生成するように学習する。多様な原子配置で正確に相互作用エネルギーを予測するため、Sample 1〜3の3種類の原子配置を学習データとして用意した。Sample 1は基本的なbcc結晶構造を用意し、ランダムな位置に欠陥と水素原子を配置した構造である。格子点に並ぶタングステン原子は、熱揺らぎの分、ボルツマン因子に従う距離だけ乱雑に移動させている。Sample 2は結晶表面を模擬した構造であり、空間の半分のみ原始を配置した。Sample 3は一様ランダムな位置にランダムな数原子を配置した構造である。Sample 1と同種の構造を 1800、Sample 2と同種の構造を 600、Sample 3と同種の構造を600用意し計3000の学習データを用いて学習を行った。Sample 1、2のテストデータにおいて良好な予測結果を示す。一方、Sample 3においては、正解データと数 eV 程度の差があることが判明した。Sample 3と同種な配置の学習データが少なかったことが原因と考えら得るが、磁場 閉じ込め核融合の壁の解析においては、Sample 3のような希薄な原子配置となる例はほとんどないため、利用目的の観点からは問題はないこともわかった。
|
| 現在までの達成度 |
現在までの達成度
1: 当初の計画以上に進展している
理由
水素リサイクリングモデルのプロトタイプを完成させるとともに、さらに先のモデル開発を見越した深層学習Assisted kMC-MDハイブリッド法の実現に向けた深層学習モデルの開発にも成功している。
|
| 今後の研究の推進方策 |
水素リサイクリングモデルについては、入射角依存性なども入力パラメタ含めたモデルへ拡張してく。さらに、水素同位体への他材料種への拡張も目指す。また、深層学習Assisted kMC-MDハイブリッド法の実現も目指す。
|
