流体力学予測のための深層学習モデルとモーダル分解ハイブリッドアプローチの有効性の探索
流体力学問題は多次元かつ非線形であるため、実験や数値シミュレーションが複雑、時間がかかり、コストがかかる。そのため、より経済的な方法でデータを得る新しい手法が必要とされている。本研究では、過去の情報のみを使って流体力学の挙動を予測する時系列予測モデルを検討する。特に、大量のデータを必要としない深層学習モデルに焦点を当てる。具体的には、2つの完全な深層学習モデルと1つのモーダル分解と深層学習を組み合わせたハイブリッドモデルを比較する。