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.
|