【基盤技術構築】 データ科学・機械学習技術による数値解析の次元圧縮と知能化
[Fundamental Technology] Reduced-order and Intelligent Numerical Analysis Based on Data Sciences and Machine Learning Techniques
研究概要
背景・動機：
数値解析や力学シミュレーションは、設計のための実験に対する「安価な代替」や、実験では観測することが難しい「詳細部分や内部の解像」のために利活用されています。しかしながら、数値解析技術の発展に伴い、次世代の設計パラダイムとして、「設計者による最適化や意思決定を代替」することが可能となりつつあります。我々は、多変量解析などのデータサイエンス技術や機械学習と数値解析技術との「真の融合」のため、設計に関する数値解析戦略の新たなパラダイムの創成を目指しています。この実現のために我々は、「以下にして、無色な情報科学的方法論の空間に、"力学的な色" (力学的事前情報) を導入するか」という視点から、様々な方法論の研究を行っています。
共同研究者・共同研究機関
- 株式会社 RICOS
- 九州大学 浅井光輝研究室
- 中国 中山大学 Shunhua Chen 研究室
関連プロジェクト
- JST 創発的研究支援事業, 複雑現象の革新的数値解析パラダイムによる減災設計戦略, 研究代表者: 三目直登, 2022-2028.
- JSPS 科研費 基盤研究 (B), 数値解析のための力学情報埋め込み型グラフニューラルネットワークの創成, 研究代表者: 三目直登, 2022-2025.
- JSPS 科研費 基盤研究 (B), 物理の経験知を埋め込んだデータ科学による複合災害のリアルタイム未来知, 研究代表者: 浅井光輝, 2023-2026.
関連文献
- 堀江正信，森田直樹，井原遊，三目直登. グラフニューラルネットワークを用いたメッシュベース数値解析の汎用的な学習, 日本計算工学会論文集, Vol.2020, p.20201005, 2020.
- M. Horie, N. Morita, T. Hishinuma, Y. Ihara, N. Mitsume. Isometric Transformation Invariant and Equivariant Graph Convolutional Networks, In International Conference on Learning Representations (ICLR), 2021.
- M. Horie, N. Mitsume. Physics-Embedded Neural Networks: Graph Neural PDE Solvers with Mixed Boundary Conditions, In Neural Information Processing Systems (NeurIPS), 2022.
Research Overview
Background and Motivation:
Numerical analysis and mechanical simulation have been utilized as "inexpensive alternatives" to experiments for design, and for "resolving details and internals" that are difficult to directly observe in experiments. However, with the development of numerical analysis technology, it is becoming possible to "replace optimization and decision-making by designers" as the next generation design paradigm. We aim to create a new paradigm of numerical analysis strategies for design in order to achieve a "true fusion" of data science technologies such as multivariate analysis and machine learning with numerical analysis technologies. In order to achieve this, we are researching various methodologies from the viewpoint of "how to introduce 'dynamical color' (dynamical prior information) into the colorless space of information science methodologies".
Collaborators
- RICOS Co. Ltd., Japan
- Prof. Asai Mitsuteru, Kyushu University, Japan
- Prof. Shunhua Chen, San Yat-sen University, China
Related Papers
- M. Horie，N. Morita，Y. Ihara，N. Mitsume. Learning Mesh-Based Numerical Analysis Using Graph Neural Networks, Transaction of JSCES, Vol.2020, p.20201005, 2020.
- M. Horie, N. Morita, T. Hishinuma, Y. Ihara, N. Mitsume. Isometric Transformation Invariant and Equivariant Graph Convolutional Networks, In International Conference on Learning Representations (ICLR), 2021.
- M. Horie, N. Mitsume. Physics-Embedded Neural Networks: Graph Neural PDE Solvers with Mixed Boundary Conditions, In Neural Information Processing Systems (NeurIPS), 2022.