13:15 〜 13:30
[2B13-18-02] 空間特徴量抽出を援用したPINNsによるパラメータ逆解析の効率化
キーワード：機械学習、深層学習、逆解析、固有直交分解、Physics-Informed Neural Network
PINNs（物理現象の支配方程式による拘束を加えたニューラルネットワーク）が提案され，その適用例が増加している．従来，PINNsを用いた逆解析では，時空間中からデータをランダムサンプリングすることが主流であったが，時空間に分布するデータには時間的特徴と空間的特徴が存在する．また，実問題への適用時には高密度なデータ観測が困難な事例が多く，さらに空間的に観測点が移動することは非現実的である．したがって，データの特徴を把握し，PINNsの逆解析精度は維持しつつデータ量は最小に留めなければならない．本研究では，POD（固有直交分解）を用いて流体運動の空間特徴量を抽出し，重要度が高い領域から重点的なサンプリングを行うことで，従来のランダムサンプリングより効率的なPINNs逆解析を提案する．