企画セッション: 計算力学×データサイエンス

[2B13-18-02] Efficiency improvement of PINNs inverse analysis by extracting spatial features of data

*Shota Deguchi¹, Yosuke Shibata¹, Mitsuteru Asai¹ (1. Kyushu University)

Keywords:Machine Learning, Deep Learning, Inverse Problem, Proper Orthogonal Decomposition, 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．