研究課題
若手研究(B)
ニューラルネットワークと遺伝的アルゴリズムによる多目的最適化手法およびマルチスケール格子乱流の直接数値計算コードを開発した．遮蔽率が同じ条件の下，上流と下流の乱流レイノルズ数を目的関数とするマルチスケール格子形状の最適化を行った．その結果，乱流レイノルズ数は，格子形状に強く依存するが，圧力損失は，格子形状に依存しないことが分かった．また，ベースラインとなるフラクタル格子より乱流レイノルズ数が高い格子形状を探索することができた．
流体工学
乱流の騒音や圧力損失といった問題点を抑え，混合促進などの利点を生かした最適な格子形状の探索が，社会のニーズとして求められている．本研究では，圧力損失が小さく，強い乱れを生成できる格子形状の探索を機械学習を通して実現した．
