• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

複数シミュレーション連携のための機械学習手法開発

研究課題

研究課題/領域番号 23K11244
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61030:知能情報学関連
研究機関国立研究開発法人産業技術総合研究所

研究代表者

山崎 啓介  国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 研究チーム長 (60376936)

研究期間 (年度) 2023-04-01 – 2027-03-31
研究課題ステータス 交付 (2023年度)
配分額 *注記
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2026年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2025年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2024年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
キーワードシミュレーション / データ同化 / サロゲートモデル / 自動交渉 / マルチエージェント
研究開始時の研究の概要

本研究では機械学習に基づくサロゲートモデルを用いることで複数シミュレーションを統合する技術の確立を目指す。シミュレーションと機械学習モデルの融合技術を深化させ、複数シミュレーションを連結するための機械学習フレームワークを開発する。

研究実績の概要

シミュレーションおよびデータの整備としてシミュレータの選定を行った。ユースケースとして交通流や生産プロセスのシミュレータを想定していたが、複数シミュレーションの連結を考慮するとメッシュ構造など計算サイズの異なる実行が容易である有限要素法による物理シミュレーションが適切であることがわかった。メッシュサイズを変更することでシミュレーションの粒度が異なる複数の設定を作成できる。シミュレーションの設定を検討しデータ作成の準備が整った。
サロゲートモデルの連結のため、シミュレーションとサロゲートモデル連結においてサロゲートモデル構造の最適化を行うアルゴリズムを開発した。複数のシミュレーションを連結する際には、まず各々のサロゲートモデルを構築し、サロゲートモデル間の連結を行う。この時、サロゲートモデルが必要最小限の構成となることが望ましい。連結の際に冗長な変数が含まれると連結の精度が低下するためである。まずは各々のサロゲートモデルを構築する際に構造を最適化することで冗長な変数を削減することを目指した。考案した構造最適化アルゴリズムによってシミュレーションとの連結において精度を維持しつつ、シンプルな構造を有するサロゲートモデルの設計が可能となった。

現在までの達成度 (区分)
現在までの達成度 (区分)

2: おおむね順調に進展している

理由

年次計画で予定していた「シミュレーション・データ整備」および「サロゲートモデルとシミュレーションの連結」の両項目において進展が得られたため。

今後の研究の推進方策

サロゲートモデル間の連結の方法について検討を行う。イジングモデルやグラフィカルモデルなど機械学習のモデル以外にも自動交渉エージェントや言語モデルなど、異なるシステムを連携させる技術が近年発展しており、これらの適用も考慮する。

報告書

(1件)
  • 2023 実施状況報告書
  • 研究成果

    (1件)

すべて 2023

すべて 学会発表 (1件)

  • [学会発表] シミュレーションパラメータ推定精度向上のためのサロゲートモデル構造最適化2023

    • 著者名/発表者名
      山崎啓介, BATALO Bojan, SOUZA Lincon
    • 学会等名
      第26回情報論的学習理論ワークショップ
    • 関連する報告書
      2023 実施状況報告書

URL: 

公開日: 2023-04-13   更新日: 2024-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi