講演情報
[C-1-03]調和振動子の常微分方程式の軌道予測におけるLeapfrog-RNN の初期条件に対する汎化性能の検証
◎堺 智博1、押尾 怜穏1、鈴木 敬久1 (1. 東京都立大学)
キーワード：
サロゲートモデル、ニューラルネットワーク、常微分方程式
物理シミュレーションを機械学習で代替するサロゲートモデルにおいては，学習済み軌道の再現のみならず，未学習の初期条件（IC）に対しても安定な時間発展予測が求められる．著者らはこれまで，数値積分法であるLeapfrog法の更新構造をRecurrent Neural Network (RNN)の入出力関係に埋め込んだLeapfrog-RNNアーキテクチャを提案し，調和振動子の固定軌道予測において従来のRNNより高精度かつ安定な学習が可能であることを示した．本稿の目的は，このLeapfrog構造の導入が未学習のICに対する汎化性能を向上させるかを明らかにすることである．これを振幅の異なる可変軌道へ拡張し，学習振幅帯内のIC（内挿）と学習範囲外の大振幅IC（外挿）の双方で長時間予測精度を比較し，効果を定量的に評価する．