| 研究課題/領域番号 |
19K14671
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
伊藤 伸一 東京大学, 地震研究所, 助教 (10756331)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 破壊 / 乾燥亀裂 / 不均一性 / フェーズフィールドモデル / データ同化 / 深層学習 / PINN |
|---|
| 研究実績の概要 |
本研究は水と粉体の混合ペーストの乾燥破壊現象において、亀裂の進展に影響する物性値空間不均一性を計測データと数値モデルの比較により定量的に評価するための基盤技術の開発を目的としている。本年度は乾燥破壊実験を昨年度に引き続き継続して実施した。年度途中に利用している実験施設の移動に伴い実験装置を解体する必要が出たため、実験装置の見直しを行ない効率的に実験を行なえるよう装置の整備を実施した。また、本年度から新たに深層学習に基づくシミュレーションとデータを融合するデータ同化研究を開始した。これまでに開発してきたフェーズフィールド法による乾燥破壊亀裂のシミュレーションモデルは、亀裂を空間的に連続な場として表現するため、勾配を利用する大規模データ同化の定式化と相性が良いが、亀裂のある部分とない部分で必要となる空間解像度のスケールが大きく異なり、通常の格子ベースの連続体解法では細かな空間解像度に律速されて推定すべき変数の数が爆発的に増えてしまう。そこで、空間変数を入力、シミュレーションモデルの解を出力する physics-informed neural network (PINN) を用いて必要となる基底関数の数を抑えつつシミュレーションと逆問題解析を同時に行うことで、高速なシミュレーションと効率的なデータ同化を狙う。テストとして１次元の軽量な系へ適用を行なったところ、現時点ではパラメータに依存するところが大きいが、定性的には深層学習による本手法がうまく動くことを確認できた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
昨年度はシミュレーションモデルの深化と実験データの拡充を行なった。本年度から新たなデータ同化手法に取り組んだことにより当初の3年間の計画から延長しているが、計画全体としての進展は順調であるといえる。
|
| 今後の研究の推進方策 |
引き続きモデルの高度化とデータ拡充を続けていく。また新たに取り組んだ深層学習によるデータ同化法を２次元系へ発展させる。本計画で得られた結果は速やかに学会・研究集会等で公表する。
|
| 次年度使用額が生じた理由 |
COVID-19の影響により当初計画していた出張にかかる費用が使用されていないため、主に旅費の次年度使用額が発生している。新たに始めたデータ同化研究を加速させるため、次年度では実験装置及び計算資源の拡充のための予算を計上する。
|
