深層学習アーキテクチャと結合した固有直交分解に基づく予測ハイブリッド減次モデル【JST・京大機械翻訳】

Abadia-Heredia R.; Lopez-Martin M.; Carro B.; Arribas J.I.; Perez J.M.; Le Clainche S.

文献

J-GLOBAL ID：202102235931849009 整理番号：21A3269326

深層学習アーキテクチャと結合した固有直交分解に基づく予測ハイブリッド減次モデル【JST・京大機械翻訳】

A predictive hybrid reduced order model based on proper orthogonal decomposition combined with deep learning architectures

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=21A3269326&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=21A3269326&from=J-GLOBAL&jstjournalNo=W0178A") }}

著者 (6件)： , , , , ,
資料名：
巻： 187 ページ： Null 発行年： 2022年
JST資料番号： W0178A ISSN： 0957-4174 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

計算流体力学問題は大きな計算資源を必要とする。現実的な問題を解決するための計算時間とメモリ要求は,並列で動作するいくつかのプロセッサで数時間から数週間まで変化する。そのような大量の資源(流体動力学が重要な役割を果たす産業応用を改善する)の必要性によって動機づけられて,本論文は,流体動力学問題を解決するために適用した新しい予測縮小次数モデル(ROM)を導入した。モデルは物理的原理に基づき,深い学習アーキテクチャとモード分解を組み合わせる。ハイブリッドROMは,適切な直交分解(POD)によりデータベースの次元を低減し,研究した問題の流れ動力学を導く主要な特徴を抽出する。自由度の数は,データベースを数(20~100)PODモードに記述する100万の空間点から減少する。最初に,PODは時空データを空間モードと時間係数(または時間モード)に分割する。次に,時間係数を畳込みまたは再帰ニューラルネットワークを用いて時間内に統合した。流れの時間発展は,空間モードと計算された新しい時間係数との組み合わせ後に近似される。モデルは,流体動力学の2つの複雑な問題,円柱の3次元後流および合成噴流で試験した。ハイブリッドROMは,数値シミュレーションの初期過渡段階からのデータを用いて,高精度で流れの時間収束解を予測した。ハイブリッドROMと数値ソルバを用いた予測解を得るために必要な時間を比較するスピードアップ係数は,合成ジェットで~140~348,3次元シリンダ後流で~2897~3818であった。提示された結果およびこのROMのデータ駆動性質で示されたロバスト性は,他の分野(即ち,ビデオおよび言語処理,ロボット,金融)へのその応用を拡張することを可能にした。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

二次電池

, , , ,

前のページに戻る