企画セッション: 計算力学×データサイエンス

[2B13-18-04] 2-D Elastodynamic Inverse Scattering Analysis Using Deep Learning for Multipoint Measurement Data

Takahiro SAITOH¹, *Shinji SASAOKA¹, Kazushi KIMOTO², Sohichi HIROSE³ (1. Gunma University, 2. Okayama University, 3. Tokyo Institute of Technology)

Keywords:Deep learning, Time-domain boundary element method, Inverse scattering analysis

複数の受信点で得られた欠陥からの散乱波形を用いて欠陥の形状を再構成する逆散乱解析は，以前から行われてきた．それら逆散乱解析に関する研究の代表例として，ボルン近似等を用いた線形化逆散乱解析等が挙げられる．一方，近年，機械学習が注目を集めている．特にニューラルネットワーク(NN)を拡張した深層学習(CNN)は，AI作成のための基礎技術として工学の様々な分野で広く利用されている．そこで，本研究ではこのCNNを用いた新しい欠陥検出手法を提案する．ただし，本研究で用いる多点計測して得られる散乱波は，著者らが開発を続けてきた演算子積分時間領域境界要素法(CQBEM)を用いて再現し，それら擬似散乱波形データをCNNの学習データに用いることとする．解くべき問題や，本研究で用いるCNNについて説明した後，数値解析例を示すことで，本手法の有効性について検討を行う．