本研究では、粒状流の逆問題を解決するための新しい枠組みとして、自動微分機能を備えたグラフニューラルネットワークシミュレータ(GNS)を提案している。GNSは粒状流の動力学をグラフ表現し、次の時間ステップの状態を予測する。逆問題では、GNSの自動微分機能を利用して勾配ベース最適化を行い、目標の出力を得るための入力パラメータを効率的に推定する。
具体的には以下の3つの逆問題に取り組んでいる:
これらの問題に対して、GNSを用いた勾配ベース最適化手法を適用し、従来の高精度シミュレータよりも1桁以上高速に解を得ることができた。また、自動微分と勾配チェックポイントの導入により、長時間の粒状流シミュレーションにおいても効率的に勾配を計算できるようになった。
本研究の成果は、粒状流の逆問題や設計問題を効率的に解くための新しい手法を提示するものである。データ駆動型の微分可能なサロゲートモデルを活用することで、従来の高精度シミュレータでは困難であった大規模な逆問題の解決が可能となった。
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Yongjin Choi... alle arxiv.org 04-29-2024
https://arxiv.org/pdf/2401.13695.pdfDomande più approfondite