文献

J-GLOBAL ID：202202234363185828   整理番号：22A1083259

セミフィジックス情報深層学習による微小気泡動力学の予測【JST・京大機械翻訳】

Predicting micro-bubble dynamics with semi-physics-informed deep learning

著者 (3件)： Zhai Hanfeng (Shanghai Key Laboratory of Mechanics in Energy Engineering, School of Mechanics and Engineering Science, Shanghai Institute of Applied Mathematics and Mechanics, Shanghai University, Shanghai 200072, People’s Republic of China) ,  Zhou Quan (Shanghai Key Laboratory of Mechanics in Energy Engineering, School of Mechanics and Engineering Science, Shanghai Institute of Applied Mathematics and Mechanics, Shanghai University, Shanghai 200072, People’s Republic of China) ,  Hu Guohui (Shanghai Key Laboratory of Mechanics in Energy Engineering, School of Mechanics and Engineering Science, Shanghai Institute of Applied Mathematics and Mechanics, Shanghai University, Shanghai 200072, People’s Republic of China)
資料名： AIP Advances (Web)  (AIP Advances (Web))
巻： 12  号： 3  ページ： 035153-035153-14  発行年： 2022年 
JST資料番号： U7121A  ISSN： 2158-3226  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 従来のニューラルネットワークの性能を改善するための物理的情報の利用は,最近科学計算における有望な研究方向になっている。多相流については,2つの流体間の界面近くの大きな勾配のために,ニューラルネットワーク訓練のための重要な計算資源を必要とする。物理情報ニューラルネットワーク(PINNs)のアイデアに基づいて,修正深層学習フレームワークバブルネットを提案して,現在の研究におけるこの困難を克服した。分離サブネットを有する深層ニューラルネットワーク(DNN)を採用して,物理場を予測し,連続方程式と圧力Poisson方程式Pを,監視と時間離散化正規化器に符号化し,訓練前の時間ステップ当たりのフィールドデータを正規化した。2つの気泡流,すなわち単一気泡流とマイクロチャネル内の多重気泡流を,アルゴリズムをテストするために考慮した。従来の計算流体力学ソフトウェアを適用して訓練データセットを得た。従来のDNNとバブルNet(s)を利用して,ニューラルネットワークを訓練し,2つの気泡流に対する流れ場を予測した。結果は,気泡Netフレームワークが物理場をうまく予測でき,連続性方程式の包含が深いNNの性能を著しく改善することを示した。また,Poisson方程式の導入は,予測結果にわずかにプラスの効果を有した。結果は,ニューラルネットワークに物理的情報を柔軟に考慮することによって,半PINNを構築することが複雑な流れ問題の学習に役立つであろうことを示唆する。Copyright 2022 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  界面 ,  *気泡 ,  符号化 ,  混相流 ,  ニューラルネットワーク ,  多重化 ,  ソフトウェア ,  連続方程式 ,  正規化 ,  流れ場 ,  *機械学習 ,  気泡流 ,  マイクロチャネル
準シソーラス用語： 離散化 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： セミ ,  フィジックス ,  深層学習 ,  微小気泡 ,  動力学 ,  予測