• お問い合わせ・アクセス
• サイトマップ

　プラズマ・核融合基礎学分野では、得られたデータをニューラルネットワークと呼ばれる方法論を用いて機械学習することで、そのデータがどのような偏微分方程式で支配されているか推論する機械学習アルゴリズムを開発しています。本手法を用いることで、大規模シミュレーションで得られたデータを再現可能な代理モデルを効率的、かつ高精度に構築することが可能となります。

　右下図は位相空間5次元GKNETシミュレーションから得られたイオン温度Tおよび乱流強度Iの半径分布と、Physics Informed Neural Network(PINN)によって推論された同様の分布を比較して示しています。両者は統計的に良く一致しており、PINNによるモデルの再現性の高さが確認できます。また推論した代理モデルから、熱輸送係数が強い乱流強度依存性を持つことも見出しており、物理現象の理解する上でも有益な情報を引き出すことに成功しています。