| 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 11:35 ［招待講演］同変グラフニューラルネットワークによる物理現象の特性を反映させた流動現象の学習 ○堀江正信（科学計算総研）  IBISML2021-43 |
|
| 抄録 | （和） | 流動現象の機械学習による予測は、理論・実用の双方の観点から重要な課題である。また、Graph neural network (GNN) は数値流体力学をはじめとする物理シミュレーションを学習する枠組みとして有望視されている。しかしながら、通常のGNNでは解析領域の形状や物理状態の複雑さのため、安定した予測を行いにくい。そこで本研究では、合同変換群同変性と呼ばれる、物理現象に見られる回転・平行移動・鏡映に対する対称性を反映させた性質を持つGNNについて議論する。また、提案手法が流動現象の予測を安定的に行えることを示す。 |
| （英） | Learning flow phenomena is an important problem for both theoretical and practical aspects. Graph neural networks are a promising approach to learning physical simulation, including computational fluid dynamics. However, due to the data-driven nature of machine learning, conventional GNN’s prediction can be unstable due to the complexity of 3D shapes and physical states. This research presents a graph neural network model that intrinsically equips isometric transformation equivariance, which is required to consider physical symmetries regarding rotation, translation, and reflection. We demonstrate that the proposed model can stably predict fluid phenomena thanks to its equivariance. | |
| キーワード | （和） | Graph Neural Network / 同変性 / 物理シミュレーション / 流体力学 / / / / |
| （英） | Graph Neural Network / Equivariance / Physical Simulation / Fluid Dynamics / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 419, IBISML2021-43, pp. 37-37, 2022年3月. | |
| 資料番号 | IBISML2021-43 | |
| 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 | IBISML2021-43 |
|
| 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） | 同変グラフニューラルネットワークによる物理現象の特性を反映させた流動現象の学習 |
| 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） | Graph Neural Network / Graph Neural Network |
| キーワード(2)（和/英） | 同変性 / Equivariance |
| キーワード(3)（和/英） | 物理シミュレーション / Physical Simulation |
| キーワード(4)（和/英） | 流体力学 / Fluid Dynamics |
| 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） | 堀江 正信 / Masanobu Horie / ホリエ マサノブ |
| 第1著者 所属（和/英） | 株式会社科学計算総合研究所 (略称： 科学計算総研) Research Institute for Computational Science Co. Ltd. (略称： RICOS Co. Ltd.) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-03-09 11:35:00 |
| 発表時間 | 35分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2021-43 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.419 |
| ページ範囲 | p.37 |
| 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]