低次元モデルと高次元モデルを融合した機械学習による流動現象の抜本的高速化

• 研究課題/領域番号: 24K22300
• 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: 株式会社RICOS
• 研究代表者: 堀江 正信 株式会社RICOS, 基盤研究部, 部長 (10822364)
• 研究分担者: 佐藤 慎太郎 東北大学, 工学研究科, 助教 (60869650)
• 研究期間 (年度): 2024-06-28 – 2027-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円); 2026年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円); 2025年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円); 2024年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
• キーワード: グラフニューラルネットワーク / 低次元モデル / 機械学習 / 数値流体力学

研究開始時の研究の概要

ものづくりにおいて、設計の試行錯誤によるリードタイムの長さが課題となっている。そこで近年では機械学習の技術を用いて数値解析の代用することで評価の高速化を試みる研究が多く見られる。低次元モデルの手法では、現象を少数のベクトルの重ね合わせで記述するため高速であるが、小スケールの現象については精度が低下する傾向にある。一方で、高次元モデルの手法では、低次元モデルとは異なり入力の次元を落とさないため小スケールの物理現象の表現力が高いが、大スケールの現象については精度が低下する傾向にある。そこで本研究では、低次元モデルと高次元モデルを高度に融合させ、流体現象の予測を抜本的に高速化することを目的とする。