| 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 |
松田 景吾 国立研究開発法人海洋研究開発機構, 付加価値情報創生部門(地球情報基盤センター), 副主任研究員 (50633880)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | 乱流熱物質拡散 / 超解像 / 深層学習 / 数値シミュレーション |
|---|
| 研究実績の概要 |
2021年度は、過年度に実施した複数のLarge-eddy simulation(LES)、つまり微気象シミュレーションから得られた学習データセットを用いて物理超解像の適用を拡大した。なお、微気象LESの対象領域として、東京都中心部、大阪市中心部を中心としつつ、さらに仙台市中心部に関してもデータセット構築を開始した。また、これまでに気温というスカラー量の超解像の実現に成功していたが、風速というベクトル場の超解像にも取り組み、まだ断定的な結論には至っていないものの、おおよその性能を明らかにすることができた。さらに、主要目的である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、スカラー物質の乱流拡散計算も行い、試行錯誤を経て、試験的な学習データセットを構築し、実際に３次元超解像のテストに至った。想定通りであるが、２次元超解像に比べて３次元超解像は計算コストが大きいことを確認した。そこで、東工大のGPUスーパコンピュータTSUBAME3.0を用いて、試験的な学習データセットを用いて３次元超解像器を学習させ、その高い補間性能の一端を確認することに成功した。
|
| 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
３次元の学習データセットは容量が大きく、微気象LES計算結果を適度な粒度に粗視化する必要があった。その粗視化具合を手探りで同定したため、本格的な3次元超解像データセットの構築を開始するのに時間が想定よりもかかった。しかし、並行して深層ニューラルネットワークの検討をおこなっていたため、試験的な学習データセットが構築され次第、3次元超解像ネットワークの学習を開始することができ、そのプロトタイプを構築することができた。総合的に見て、概ね順調に進展しているといえる。
|
| 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。学習のための計算コストが増大しつつあり、東工大の保有するTSUBAME3.0などのGPUスパコンを積極的に活用していく。
|
