| 講演名 | 2022-03-09 ［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), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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。 |
| 抄録(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 |
| キーワード(英) | Graph Neural Network / Equivariance / Physical Simulation / Fluid Dynamics |
| 資料番号 | IBISML2021-43 |
| 発行日 | 2022-03-01 (IBISML) |
| 研究会情報 | |
| 研究会 | IBISML |
|---|---|
| 開催期間 | 2022/3/8(から2日開催) |
| 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. |
| 委員長氏名（和） | 竹内 一郎(名工大) |
| 委員長氏名（英） | Ichiro Takeuchi(Nagoya Inst. of Tech.) |
| 副委員長氏名（和） | 杉山 将(東大) |
| 副委員長氏名（英） | Masashi Sugiyama(Univ. of Tokyo) |
| 幹事氏名（和） | 津田 宏治(東大) / 神嶌 敏弘(産総研) |
| 幹事氏名（英） | Koji Tsuda(Univ. of Tokyo) / Toshihiro Kamishima(AIST) |
| 幹事補佐氏名（和） | 岩田 具治(NTT) / 中村 篤祥(北大) |
| 幹事補佐氏名（英） | Tomoharu Iwata(NTT) / Atsuyoshi Nakamura(Hokkaido Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Infomation-Based Induction Sciences and Machine Learning |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［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 |
| サブタイトル（和） | |
| タイトル（英） | [Invited Talk] --- |
| サブタイトル（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 堀江 正信 / Masanobu Horie |
| 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.) |
| 発表年月日 | 2022-03-09 |
| 資料番号 | IBISML2021-43 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | IBISML-419 |
| ページ範囲 | pp.37-37(IBISML), |
| ページ数 | 1 |
| 発行日 | 2022-03-01 (IBISML) |