[2C09-14] AI

15:15 〜 15:30

[2C11] 亀裂ネットワーク構造と亀裂物性を考慮した深層学習による破過曲線の予測

*岡本 駿一^1,2、中田 弘太郎¹、森 康二³、斉藤 拓巳² (1. 電中研、2. 東大、3. ブルーアースセキュリティ)

キーワード：

亀裂ネットワーク、グラフニューラルネットワーク、物質移行解析、破過曲線、ラテンハイパーキューブサンプリング

放射性廃棄物の地層処分の安全評価において、亀裂ネットワーク内の物質移行挙動を把握することが重要である。この解析には離散亀裂ネットワーク（DFN）が用いられ、結果は破過曲線として整理される。DFNの生成パラメータには原位置データの制約に起因する不確実性があり、それが破過曲線に与える影響を評価するには感度解析が必要となる。しかし、DFNを用いた物質移行解析は計算負荷が大きく、生成パラメータの感度解析は容易ではない。また、感度解析では、生成パラメータの変化に伴い、ネットワーク構造・水理特性の異なるDFNが生成されるため、これらに対する破過曲線を取得できる必要がある。そこで本研究では、生成パラメータ空間を効率的に探索するサンプリング戦略と、亀裂の連結性と物性値を学習するグラフニューラルネットワークを組み合わせた破過曲線の予測手法を提案する。発表では、手法の全体スキームと予測精度を報告する。