(1)大規模地震シミュレーション手法を用いた液状化解析:昨年度までに開発してきた大規模地震シミュレーション手法を使用して、実地盤データをもとに作成した地盤モデル(3.8億自由度)についての地盤液状化を考慮した地震シミュレーションを行った。解析には64GPUを12時間使用した。既往研究と比較すると60倍の問題規模の解析を約1/8の計算時間で実施できるようになっており、本課題の開発手法の有効性が示された。 (2)サロゲートモデルによる地震シミュレーションの高速化:地震シミュレーション内で生成されるデータを逐次的に学習し、シミュレーション内の解の高次モードを推定することでシミュレーションを加速するサロゲートモデルをGPU上で効率的に実装する手法を開発した。ニューラルネットワークによる順解析の代理となるサロゲートモデルでは,シミュレーションと同程度の精度を保証することは難しいが、本手法はシミュレーション内でサロゲートモデルを用いることで、この課題を解決し、かつ、シミュレーションの加速を可能としている。 (3)地盤の構造推定のための基礎検討:デジタルツイン上では、観測データを用いたモデルの改善(観測地震動を用いた地盤の地下構造推定など)が想定される。そこで、地震シミュレーションのアプリ化を行い、多数回解析の自動化を実現した。これを拡張することで、地盤の地下構造推定が可能になると期待される。 (4)高計算コストカーネルの高速化:地震シミュレーションにおいては、疎行列ベクトル積に最も高い計算コストがかかるため、その高速化は重要である。次世代のGPUを想定した疎行列ベクトル積カーネルの開発を行い、従来版のカーネルと比較して1.4倍の高速化を実現した。この開発カーネルを使用することで、本課題の開発手法の高速化が期待される。
|