講演情報
[2C17]物理情報埋め込み型深層学習による粘性流体解析
*横山 諒1、三輪 修一郎1、岡本 孝司1 (1. 東京大学)
キーワード：
熱流動、数値流体力学、粘性流体、深層学習
人工知能を用いたサロゲートモデルの構築は近年著しく進展しており，数値流体力学（CFD）も例外ではない。CNN や PINN を用いた CFD サロゲートの研究は活発である一方，流体の大きな変形や自由表面の複雑な挙動を扱うラグランジュ型手法に対しては，解析精度および学習コストの両面で依然として課題が残る。本研究では，ナビエ–ストークス方程式に基づく物理制約に加え，粒子法に固有の粒子間相互作用モデルをグラフニューラルネットワーク（GNN）へ組み込むことで，予測精度と解釈性の向上を両立する「物理情報埋め込み型深層学習」手法の開発を進めている。本報告では，提案手法の概念と現状の検討内容を整理して紹介し，粘性流体解析に対するサロゲートモデルの新たな可能性について議論する。