| 研究課題/領域番号 |
22K19765
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分60:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 九州大学 (2023)
東北大学 (2022) |
|---|
研究代表者 |
下山 幸治 九州大学, 工学研究院, 教授 (80447185)
|
|---|
| 研究期間 (年度) |
2022-06-30 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
2023年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2022年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
|
|---|
| キーワード | 代替モデル / サロゲートモデル / 最適化 |
|---|
| 研究開始時の研究の概要 |
最適化は，無数の設計候補の中からベストな性能（出力関数）を発揮する設計（入力変数）を見つけ出すためのツールとして応用されている．工学設計の事例では，出力関数の真の応答の形が解析的に自明でなく，出力関数の評価に高価な物理シミュレーションを必要とするケースが大半であるため，高価な出力関数の応答を安価な代数式近似に置き換える「サロゲートモデル」の併用が欠かせない．しかし，従来のモデルはモデル係数を一定（定常）値として構築されるため，多峰性の強い応答に追従できない．そこで本研究では，多自由度のモデル係数を用いた，多峰性応答に自己追従できる世界初の非定常サロゲートモデルを開発する．
|
| 研究実績の概要 |
工学設計の最適化においては，高価な出力関数（性能）の評価を安価な代数式近似に置き換える「サロゲートモデル」の併用が欠かせない．しかし，従来のモデルはモデル係数を一定（定常）値として構築されるため，多峰性の強い応答に追従できない．そこで本研究では，多自由度のモデル係数を用いた，多峰性応答に自己追従できる非定常サロゲートモデルの開発に取り組む．
本年度は，関連研究の文献調査を踏まえた結果，サロゲートモデルの基底関数（カーネル）をあらかじめ複数種類用意し，これらを複合学習させることで，任意の応答スケールに適合できるサロゲートモデルの開発に取り組んだ．これにより，従来の単一カーネルに基づくサロゲートモデルに比べて，非定常性の強い応答への適合能力の改善が期待される．さらに，忠実度の異なる評価データを2種類用いて，サロデートモデルを階層的に構築する方法にも取り組んだ．複合カーネル化および階層化を組み合わせたサロゲートモデルを，非線形性の強い流体機械の性能予測に適用したところ，既存の定常サロゲートモデルに比べて，評価コストを抑えつつ予測精度を改善できることを実証した．
複合カーネル化はサロゲートモデルの定式化の変更を必要としない（カーネルの定義を変更するだけで良い）利点がある一方，サロゲートモデルが表現できる非定常性には限界がある．よって，前年度から取り組んでいる，局所応答スケールに適合する非定常モデル係数の分布推定にも継続して取り組む．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
研究代表者の他大学への異動に伴い，新天地での本務に研究時間が割かれているため．
|
| 今後の研究の推進方策 |
局所応答スケールに適合する非定常モデル係数の分布推定の実装を継続する．その後，開発したサロゲートモデルの精度を評価する．さらに，工学設計問題にも適用し，既存モデル（単一カーネル，複合カーネル）と比較することで，最適解の探索性能への影響を評価する．
|
