講演情報
[22015]機械学習ウォームスタート予測子による陰的運動論ソルバーの高速化（シンポジウム講演概要）
*宿南 湧真1、安田 修悟1、Frank Martin2 (1. 兵庫県立大学大学院 情報科学研究科、2. Karlsruhe Institute of Technology)
キーワード：
ボルツマン方程式、機械学習、数値剛性、陰解法、GPU計算
運動論モデルの陰解法では，衝突項に起因する強い数値的剛性のため内部 Picard 反復回数が増大し，計算コストが支配的となる．本研究では，巨視量の 1 ステップ更新量をニューラルネットワークで予測する Warm-Start 予測子を導入し，陰解法の初期値を改善する手法を提案する．Boltzmann– BGK 方程式に対する有限体積陰解法に適用し，Sod 衝撃管問題において Picard 反復回数を大幅に削減できることを示す．