| 講演名 | 2022-11-18 ［依頼講演］物理法則に基づく深層学習を用いた電磁界シミュレーションについて 藤田 和広(埼玉工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 物理学や工学の分野において現れる物理法則は，偏微分方程式によって記述されることが多い．近年，深層学習の概念を取り入れて，物理法則を記述する偏微分方程式を解く手法が，科学技術計算と機械学習の融合分野において活発に議論されている．代表的なアプローチとして, Raissiらが提案したPhysics-Informed Neural Networks (PINNs)がある．本講演では，PINNsのフレームワークを概説し，従来の電磁界シミュレーション手法や通常の深層学習とPINNsの違いについて強調する．また，筆者によるPINNsの最近の進展を紹介し，今後の発展の方向性についても触れる． |
| 抄録(英) | Physical laws appeared in the fields of physics and engineering can be described by partial differential equations in many cases. In recent years, deep learning based methods for solving partial differential equations describing a physical law are actively discussed in an interdisciplinary area between scientific computing and machine learning. Physics-informed neural networks (PINNs) proposed by Raissi et al. is known as one of representative approaches. In this talk, the framework of PINNs is summarized and some differences among traditional electromagnetic field simulation methods, conventional deep learning and PINNs are highlighted. Recent advances on PINNs works by the author are presented and possible development directions are mentioned. |
| キーワード(和) | 電磁界 / 偏微分方程式 / ニューラルネットワーク / 機械学習 / 人工知能 |
| キーワード(英) | Electromagnetic Field / Partial Differential Equation / Neural Network / Machine Learning / Artificial Intelligence |
| 資料番号 | EMT2022-59 |
| 発行日 | 2022-11-10 (EMT) |
| 研究会情報 | |
| 研究会 | EMT / IEE-EMT |
|---|---|
| 開催期間 | 2022/11/17(から3日開催) |
| 開催地（和） | 機械振興会館 |
| 開催地（英） | Kikai-Shinko-Kaikan Bldg. |
| テーマ（和） | 電磁界理論一般 |
| テーマ（英） | Electromagnetic Theory, etc. |
| 委員長氏名（和） | 出口 博之(同志社大) / 古川 愼一(日大) |
| 委員長氏名（英） | Hiroyuki Deguchi(Doshisha Univ.) / Shinichi Furukawa(Nihon Univ.) |
| 副委員長氏名（和） | 川口 秀樹(室蘭工大) |
| 副委員長氏名（英） | Hideki Kawaguchi(Muroran Inst. of Tech) |
| 幹事氏名（和） | 山本 伸一(三菱電機) / 石田 健一(九州産業大) / 鈴木 敬久(都立大) / 中 良弘(宮崎大) |
| 幹事氏名（英） | Shinichi Yamamoto(Mitsubishi Electric) / Kenichi Ishida(Kyushu Sangyo Univ.) / Yukihisa Suzuki(Tokyo Metropolitan Univ.) / Yoshihiro Naka(Univ. of Miyazaki) |
| 幹事補佐氏名（和） | 夏秋 嶺(東大) / 新納 和樹(京大) |
| 幹事補佐氏名（英） | Ryo Natsuaki(Univ. of Tokyo) / Kazuki Niino(Kyoto Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Electromagnetic Theory / Technical Meeting on Electromagnetic Theory |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［依頼講演］物理法則に基づく深層学習を用いた電磁界シミュレーションについて |
| サブタイトル（和） | |
| タイトル（英） | [Invited Lecture] On Electromagnetic Field Simulation Using Physics-Informed Deep Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 電磁界 / Electromagnetic Field |
| キーワード(2)（和/英） | 偏微分方程式 / Partial Differential Equation |
| キーワード(3)（和/英） | ニューラルネットワーク / Neural Network |
| キーワード(4)（和/英） | 機械学習 / Machine Learning |
| キーワード(5)（和/英） | 人工知能 / Artificial Intelligence |
| 第 1 著者 氏名（和/英） | 藤田 和広 / Kazuhiro Fujita |
| 第 1 著者 所属（和/英） | 埼玉工業大学(略称：埼玉工大) Saitama Institute of Technology(略称：Saitama IT) |
| 発表年月日 | 2022-11-18 |
| 資料番号 | EMT2022-59 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | EMT-256 |
| ページ範囲 | pp.85-88(EMT), |
| ページ数 | 4 |
| 発行日 | 2022-11-10 (EMT) |