| 研究課題/領域番号 |
20H02074
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
大西 領 東京工業大学, 学術国際情報センター, 准教授 (30414361)
|
|---|
| 研究分担者 |
Kolomensk Dmitry 東京工業大学, 学術国際情報センター, 特任准教授 (00813924)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | 超解像 / 熱流体計算 / 深層ニューラルネットワーク |
|---|
| 研究実績の概要 |
本年度は3次元超解像の技術的フィージビリティーを明らかにするために、まず、超解像器の学習を実施するための学習データセットの取得を行った。具体的には、large-eddy simulationを用いて、東京駅周辺の建物密集地域を対象とした乱流熱物質輸送計算を多数実施した。計算条件としては、複数の通りを仮選定し、そこに初期濃度を持ったスカラーを配した後、そのスカラー輸送を計算した。その際、流れ場だけでなく熱および水蒸気の輸送さらには３次元熱放射計算も行うことで現実気象下での乱流熱物質輸送計算を実現した。計算結果から、テスト学習用の物質拡散分布に関する３次元データセットを取得した。その際、開始当初は想定していなかった、３次元データセットのデータサイズを少しでも小さくするための方策を検討した。これは学習の効率化のためと言うよりも、共同で技術開発を効率的に行うために必要であった。３次元データのサイズは大きく、学習データセットは巨大になりがちである。はじめのうちからサイズを縮減する方策を考えておく必要があると判断し、実施した。また、３次元超解像用の学習ネットワークの調査を行い、有望なネットワークを選定した。さらに、保有するワークステーション上に深層学習環境を構築した。これにより、実際に技術的フィージビリティーをテストできる状態とした。構築した環境のテストとして、２次元気温分布に関する超解像実験を行い、短時間で学習を完了できること、およびその高い補間性能を確認した。
|
| 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
学習用の３次元データを効率的に取得するためのシステム構築に時間を要したため、本格的な３次元超解像のテストには至らなかった。これは、開始当初は想定していなかった、３次元データセットのデータサイズを少しでも小さくするための方策を検討するのに時間を要したことが大きい。しかし、３次元超解像ネットワークの準備やワークステーション上での実行準備まで整えられている状況であり、概ね順調に進展している。
|
| 今後の研究の推進方策 |
数値シミュレーションと機械学習の融合という新しい取り組みに対して、研究グループ内外の研究者と密に連携しながら、技術開発を進める。年度後半には本格的な大規模学習を始められるかもしれない。ワークステーションでの実施が困難な場合には、東工大の保有するTSUBAME3.0などのGPUスパコンを用いる。
|
