• 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

高次元数を含む支配方程式に対応する深層学習的物理シミュレーション手法の開発

研究課題

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。

URL: 

公開日: 2024-04-05   更新日: 2024-06-24  

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