| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-03-09 10:15 ［招待講演］粘弾性流体乱流に対する機械学習代理モデル ○塚原隆裕（東京理科大）  IBISML2021-41 |
|
| 抄録 | （和） | ポリマーや界面活性剤の希薄水溶液は弾性的性質を示し，その管内乱流は水単体（ニュートン流体）に比べて乱流摩擦抵抗が著しく低減される効果を有するため，粘弾性流体乱流の解明は流体輸送の効率化（省エネ）において重要な課題である．この流体内部には，溶質（ポリマーやミセルネットワーク）の伸縮により粘弾性応力が生じることから，慣性乱流が抑制されても弾性乱流に移行して流動メカニズムは依然として複雑なままである．直接数値計算（Direct Numerical Simulation: DNS）をするにも，粘弾性流体の構成方程式に数値不安定性を伴い易く，ニュートン流体と比べて格段に困難である．この課題解決のために，本研究では深層学習を利用して構成方程式の代理モデルを構築し，粘弾性流体の特徴抽出および数値不安定性の解決を試みている．研究のプラットフォームとして，粘弾性流体チャネル乱流を対象に，畳み込みニューラルネットワーク（Convolutional Neural Network: CNN）の深層学習モデルU-Netを用いた．構成応力の予測精度の検証と，代理モデルとしての実現可能性の調査を行った．DNS-CNN統合計算の結果として，元来カオス的である乱流場は時間進行とともに純DNS計算と異なる瞬時場に移り変わっていったが，統計的性質はDNSと良好に一致し，代理モデルとしての可能性が示された． |
| （英） | Turbulence of viscoelastic fluids, such as dilute polymer/surfactant solutions, is of practical importance, because it can significantly reduce its turbulent frictional drag relatively to the Newtonian counterpart. The viscoelastic stress due to the polymers or micelle networks induces elastic or elasto-inertial turbulence, even if the inertial turbulence is suppressed. To analyze the dynamics, direct numerical simulation (DNS) is required but it is difficult because the constitutive equation of viscoelastic-fluid model often suffers numerical instability. To address this issue, we construct a surrogate model of the constitutive equation using deep learning, a convolutional neural network (CNN) model “U-Net”, which is trained for viscoelastic turbulent channel flow. We verified the prediction accuracy of the conformation tensors and investigated the feasibility as a surrogate model. The statistical properties obtained from the DNS-CNN integrated simulation were in good agreement with those from the pure DNS. | |
| キーワード | （和） | 深層学習 / 乱流 / U-Net / / / / / |
| （英） | deep learning / turbulence / U-Net / / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 419, IBISML2021-41, pp. 34-34, 2022年3月. | |
| 資料番号 | IBISML2021-41 | |
| 発行日 | 2022-03-01 (IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2021-41 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2022-03-08 - 2022-03-09 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 機械学習・一般 |
| テーマ（英） | Machine Learning, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2022-03-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 粘弾性流体乱流に対する機械学習代理モデル |
| サブタイトル（和） | |
| タイトル（英） | --- |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / deep learning |
| キーワード(2)（和/英） | 乱流 / turbulence |
| キーワード(3)（和/英） | U-Net / U-Net |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 塚原 隆裕 / Takahiro Tsukahara / ツカハラ タカヒロ |
| 第1著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： Tokyo University of Science) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-03-09 10:15:00 |
| 発表時間 | 35分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2021-41 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.419 |
| ページ範囲 | p.34 |
| ページ数 | 1 |
| 発行日 | 2022-03-01 (IBISML) |
[研究会発表申込システムのトップページに戻る]