| 研究課題/領域番号 |
25420206
|
|---|
| 研究機関 | 北海道情報大学 |
|---|
研究代表者 |
古川 正志 北海道情報大学, 経営情報学部, 教授 (70042091)
|
|---|
| 研究分担者 |
山本 雅人 北海道大学, 情報科学研究科, 教授 (40292057)
|
|---|
| 研究期間 (年度) |
2013-04-01 – 2016-03-31
|
| キーワード | 人工生命 / 物理モデリング / シミュレーション / 海洋バイオマス |
|---|
| 研究実績の概要 |
本研究の目的は，海藻培養おける海藻の成長にともなうからみやちぎれの現象を，人工生命技術である物理モデリングに基づくシミュレーションに基づく水槽内に循環させる水流によって解明し，からみやちぎれを防止する技術を開発することにある．そのために初年度の研究に基づき以下のような内容の研究を実施し，成果を得た．
[海藻のちぎれ，粘着力及びからみのモデル化] 海藻のモデル化として，昨年度はカプセル形状を連結し，カプセル形状から確率的に枝を生成する方法を開発した．このモデルを水中に設定し，海藻の流動シミュレーションを実施すると，海藻のちぎれを引き起こす最も大きな要因はからみであることが分かる．このためシミュレーション中に生じているからみの現象を自動的に同定する必要性が生じた．そのために，からみを同定する方法論とした2個体の海藻に於けるからみの状態を判定する状態変数をあらたに導入した．この状態変数としては，一定時間内に於ける2個体の海藻間の接触カプセル数，2個体の海藻の重心の距離，2個体の海藻の接触時間，を定義した．シミュレーションから種々のからみ状態を視認し，からみが生じている時の状態変数のセットを獲得することが可能となった．これらの状態変数のセットは，機械学習の方法を用いてからみを同定する学習データとなり，今後，自動的にからみを同定する方法論の見通しを可能とした．
[海藻水中環境の構築と制御] 水流モデルとしては，粒子群法と格子ボルツマン法を検討していたが，実際にシミュレーションプログラムを作成し，水流のシミュレーションによる確認を実施した．環境としては，円筒型の水槽をモデル化し，その中の水流を格子ボルツマン法によって計算し，視覚化した．その結果，高速に実際の水流に近い水流を実現できることが判明した．また，渦水流が生じることもシミュレーションによって確認できた．
|
| 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
今年度は主に以下の2点を目標とした．それらの達成度を以下に述べる．
[海藻のちぎれ，粘着力及びからみのモデル化] からみのシミュレーションによる実現は，初年度に達成している．シミュレーションを実施して判明したのは，からみ状態を自動的に同定する必要性であった．このためにからみの状態を記述できる状態変数として，一定時間内に於ける2個体の海藻間の接触カプセル数，2個体の海藻の重心の距離，2個体の海藻の接触時間，を導入した．2個体の海藻モデルを円筒型の水中環境に設定し，これら3状態変数を観測し，それらがからみ状態かどうかを視認することで，50のからみ状態のパターンを状態変数のデータセットとして得ることができた．これらを学習セットとして機械学習を行なわせることで，からみの状態を自動的に判別できる．すでにサポート・ベクター・マシンと呼ばれる機械学習方法でからみの自動判定が行なわれるかどうかを調べる実験を行ないつつあり，からみを同定できる技術を確立しつつある．
[海藻の流動シミュレーションの実現] 格子ボルツマン法によって水流をシミュレーションできることを確認した．また，このシミュレーションによって渦水流を含む種々のパターンの水流作成も達成できた．今後は，洗濯機の水流にヒントを得て，周期的な水流によるからみの生じない水流の制御技術を確定する予定である．
|
| 今後の研究の推進方策 |
[海藻のちぎれ，粘着力及びからみのモデル化] 今年度は，2個体のからみの状態を同定する技術を開発した．しかし，密集した密度の高いからみを同定するには至っていない．これを解決する方法として，複雑ネットワークで用いられるネットワークのリンク関係から得られるネットワークの複雑さを同定する方法を導入する予定である．この方法は，隣り合うネットワークのノードとリンクの複雑さを同定し，ネットワークの変化や成長を計算できる利点がある．ネットワークの複雑さを同定する方法としては，隣接行列に基づく方法とラプラシアン行列に基づく方法があるため，これらの両者について数値計算実験によって密度の大きい個体間のからみ状態を同定する．
また，今年度得られた2個体間のからみを表現する状態変数の学習セットを用い，それを機械学習の1方法であるサポート・ベクター・マシンに適用することで2個体間でのからみが自動的に同定できることを確認する．ここで得られた2個体間のからみ関係は，先に述べた複数個体間の接続関係のデータを自動的に生成する方法論となる．
[海藻の流動シミュレーションの実現] 上記で得られたデータと水流の制御シミュレーション技術を組み合わせることで，状態変数としてのからみの時系列データをシミュレーション実験によって生成する．同時に，洗濯機をモデル化したミニ水槽を，ビーカとその中にPCで回転数を制御可能な回転板を設置して作成し，回転数を制御することで実際の海藻の挙動を観察する．この挙動をビデオカメラで撮影し，映像からからみを判定する技術を確立し，シミュレーション結果と比較し，シミュレーション結果が合理的であることを検証する．
|
| 次年度使用額が生じた理由 |
ワークステーション購入に於いて，増設メモリーを当初予定迄増加させると，購入予算を超過する恐れがあったため，この分を今年度予算と合わせて購入することとしたため予算残が生じた．また，謝金にあてる予定でいた知識提供者の招聘について時期が合致しなかったため次年度に，延期したためである．
|
| 次年度使用額の使用計画 |
ワークステーションの増設メモリーの購入及び知識提供者への謝金に充当する．
|
