| 研究課題/領域番号 |
24K14975
|
|---|
| 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60100:計算科学関連
|
|---|
| 研究機関 | 福島大学 |
|---|
研究代表者 |
松本 正晴 福島大学, 情報基盤センター, 准教授 (40626264)
|
|---|
| 研究分担者 |
山口 克彦 福島大学, 共生システム理工学類, 教授 (30251143)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2024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: 910千円 (直接経費: 700千円、間接経費: 210千円)
2025年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2024年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
|
|---|
| キーワード | PINNs / 数値シミュレーション / 深層学習 |
|---|
| 研究開始時の研究の概要 |
近年，深層学習により物理シミュレーションが実行できるPhysics-Informed Neural Networks（PINNs）が提案されている。直近の研究より，PINNsは従来の数値的手法では計算が難しい高次元数を含む支配方程式の求解に適していることが指摘されている一方，本手法は提案されて間もないこともあり，実装上の学習効率や近似解の精度等が何に対してどのように依存するか明らかにされていない。そこで本研究では，PINNsによる高次元数を含む支配方程式の求解における学習効率や近似解の精度向上等を目指し，深層学習的物理シミュレーション手法の構築に資する研究を進展させる。
|
