採択課題 【詳細】
| jh250021 | リザーバーコンピューティングを用いた流体モデリングの高度化 |
|---|---|
| 課題代表者 | 齊木吉隆(一橋大学 大学院経営管理研究科) YOSHITAKA SAIKI (Hitotsubashi University, Graduate School of Business Administration) |
| 概要 | 課題代表者らによってリザーバーコンピューティングによる流体の時間発展モデリングに世界で初めて成功している[Phys. Rev. E 98 (2018)]。その後、2019-2024年度のJHPCN研究などにより、機械学習モデルの数学構造の解明や、低次元かつ効率の良いモデリング手法の開発を実施した。本研究ではこれらの研究成果をもとに、より高レイノルズ数の流体に対する高速でかつ高性能な機械学習時間発展モデルの構成を試みる。 |
| 関連Webページ | |
| 報告書等 | 研究紹介ポスター ／ 最終報告書 |
| 業績一覧 | (1) 学術論文 （査読あり） |
| 該当なし | |
| (2) 国際会議プロシーディングス （査読あり） | |
| 該当なし | |
| (3) 国際会議発表（査読なし） | |
| [] Yoshitaka Saiki, Hokkaido Summer Institute - Computational Methods in Dynamical Systems 2025 - , ``Introduction to reservoir computing" Hokkaido University, August 26, 2025. | |
| (4) 国内会議発表（査読なし） | |
| [] 中井拳吾, 第21回非線型の諸問題, `` 機械学習による流体モデリングと力学系解析" 大分, 2025年9月10日. | |
| [] 中井拳吾, 非線形現象研究会, ``機械学習による流体モデリングと機械学習モデルの力学系構造解析" 北海道大学, 2025年8月25日. | |
| [] 齊木吉隆, Dynamical System Meets AI, ``リザバーコンピューティングによるデータ駆動時間発展モデリングとその力学系解析" 京都大学, 2025年7月4日. | |
| [] K. Nakai, Y. Saiki, Mathematical Analysis in Fluid and Gas Dynamics, ``Machine-learning Inference of Fluid Variables from Data by using Reservoir Computing" Kyoto University, July 2, 2025. | |
| (5) 公開したライブラリなど | |
| 該当なし | |
| (6) その他（特許，プレスリリース，著書等） | |
| 該当なし |
無断転載禁止