講演情報
[24001-07-03]距離関数と動的重みを併用したPINNによる非圧縮性流れの逆解析（シンポジウム講演概要）
*出口 翔大1,2、浅井 光輝3 (1. 筑波大学、2. 日本学術振興会特別研究員 PD、3. 九州大学)
キーワード：
科学機械学習、Physics-Informed Neural Network、距離関数、動的重み
近年，物理問題を記述する常・偏微分方程式を解く上で，機械学習手法を応用する研究が増加している．特に，PINN（Physics-Informed Neural Network）は順問題・逆問題の両者に対して，僅かなコード変更のみで適用可能という柔軟性を持ち，その適用例が広く展開されている．一方，PINNの精度は，境界条件の付与の精度と損失関数の重み付けに大きく影響を受けることが知られており，適切なチューニングをしなければ十分な信頼性を持つ解を得ることが難しい．本研究では，距離関数と動的重みを利用することにより同問題に対処し，非圧縮性流れの問題に対する適用例を通してこの有用性を示す．