文献

J-GLOBAL ID：201902277388718578   整理番号：19A2661126

機械学習の工学問題への適用 深層学習とシミュレーションの連携事例

著者 (4件)： 伊藤雅仁 (立教大 理) ,  遠藤克浩 (慶応大 大学院理工学研究科) ,  望月祐志 (立教大 理) ,  泰岡顕治 (慶応大 理工)
資料名： 計算工学  (Journal of the Japan Society for Computational Engineering and Science)
巻： 24  号： 4  ページ： 3983-3987  発行年： 2019年10月31日 
JST資料番号： L5669A  ISSN： 1341-7622  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・HPC(High Performance Computing)分野では機械学習(ML)や深層学習(DL)の導入が進んでおり,数値シミュレーションとML/DLを連携させた研究事例を紹介。
・巨大な生体分子系内部の相互作用の様態を把握できるフラグメント分子軌道計算結果の解析や,数値流体力学における2次元翼モデルでの翼周りの渦の状態判定と状態間遷移の検出にDLを導入。
・大規模分子動力学(MD)は計算コストが膨大なので,短時間のシミュレーション結果から長時間の結果を低い計算コストで推定するためのMD-GAN(Generative Adversarial Network)モデルを紹介。
・わずかに性質の異なる複数の系をMDシミュレーションした結果からLDE(Local Dynamics Ensemble)を作成し,DLを用いてLDE間の統計的距離を計算して特異な系を判定する枠組みを説明。

シソーラス用語： *機械学習 ,  評価試験 ,  *数値計算 ,  *計算機シミュレーション ,  分子動力学 ,  原価 ,  高速化 ,  事例研究 ,  分子 ,  相互作用 ,  分子軌道法 ,  距離 ,  判別分析 ,  計算コスト ,  *深層学習 ,  生体分子 ,  *計算機利用 ,  *利用
準シソーラス用語： *HPC ,  統合的距離

分類 (3件)： 人工知能  (JE08000Z) ,  計算機シミュレーション  (JE11000H) ,  数値計算  (JE02000J)

引用文献 (27件)：

• Y. LeCun, Y. Bengio, and G. Hinton, Deep Learning, Nature Vol. 521, pp. 436-444, (2015).
• T. Kurth, S. Treichler, J. Romero, M. Mudigonda, N. Luehr, E. Phillips, A. Mahesh, M. Matheson, J. Deslippe, M. Fatica, Prabhat, M. Houston, Exascale Deep Learning for Climate Analytics, Proc. SC18, Article No. 51, (2018).
• D. Matsuoka, M. Nakano, D. Sugiyama, and S. Uchida, Deep learning approach for detecting tropical cyclones and their precursors in the simulation by a cloud-resolving global nonhydrostatic atmospheric model, Prog. Earth Planet. Sci. Vol. 80, Article No. 5, (2018).
• A. Agrawal, and A. Choudhary, Materials informatics and big data: Realization of the ′′fourth paradigm′′ of science in materials science, APL Materials Vol. 4, 053208, (2016)
• R. Ramprasad, R. Batra, G. Pilania, A. M.-Kanakkithodi, and C. Kim, Machine learning in materials informatics: recent applications and prospects, NPJ Comp. Materials Vol. 3, Article No. 54, (2017).

タイトルに関連する用語 (5件)： 機械学習 ,  工学 ,  深層学習 ,  シミュレーション ,  連携