| 研究課題/領域番号 |
19K04175
|
|---|
| 研究機関 | 東京都市大学 |
|---|
研究代表者 |
白鳥 英 東京都市大学, 理工学部, 准教授 (10803447)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 物理法則の機械学習 / 自動微分 / データ同化 / 物性値予測 |
|---|
| 研究実績の概要 |
様々な微細加工プロセスで発生する種々の膜厚ムラを回避抑制するための最適条件を数値シミュレーションによって効率的に探索できるようにすることを最終目標としている。従来の方法で課題であった①時間発展計算に時間を要すること、②計算に必要な塗膜の物性値の測定・入手が困難なことを解決するために、①支配方程式を教師とした機械学習を導入して高速に膜厚ムラを予測する枠組みを構築し、②これをもちいた新たなデータ同化法を構築して塗膜の物性値を効率的に推定できるようにすることを目指している。
2020年度までの研究では、まず空間4階微分を含む液膜流れの支配方程式に対してPhysics-Informed Neural Network(PINN)を適用し、有効に機能することを示した。また、従来のPINNでは初期条件を変えた場合は再学習が必要であったが、初期条件をPINNの入力データとして取ることで初期条件可変なPINNを構築した。このPINNを用いた新たなデータ同化法を提案し、塗膜の物性値予測の問題に対して有効性を検証した。
2021年度はPINNの学習効率を向上させることを目指し、Convolutional Neural Networkや転移学習の枠組みの導入を試みた。いずれの方法もある程度の学習効率向上の効果が確認された。PINNを用いたデータ同化法による物性値予測については、実観測データを用いた検証を行うため、測定装置の構築に注力した。得られた成果は国内外の学会にて発表し、学術雑誌Int. J. Numerical Methods in Fluidsに原著論文として掲載された。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
申請時の研究計画に2019年度実施内容として記載した、液膜流れの方程式へのPhysics-Informed Neural Networkの適用については予定通り進んでいる。データ同化による塗膜の物性値推定については、根幹部分の理論構築と双子実験による妥当性検証は滞りなく進んだが、コロナウィルスの影響で実験ができない期間があったことで予定より遅れが生じ、研究期間を1年延長した。
|
| 今後の研究の推進方策 |
基本的に、当初計画より遅れが生じて期間延長した分の実施項目を遂行する。
PINNを用いたデータ同化法による物性値予測について、実観測データを用いた検証を行う。
|
| 次年度使用額が生じた理由 |
新型コロナウィルス感染症の影響で、国内・国際学会がオンライン開催になり、旅費の支出が予定より大幅に少なくなった。また、感染拡大防止の観点から、データ同化による物性値推定の検討における実観測用の測定系の構築を次年度に行うことにしたため、物品費の支出が少なくなった。
2021年度に使用しなかった分は、使途は変更せずに2022年度に使用する計画である。
|
