粗い格子から管内流れを予測、細かい格子の計算に対する誤差を90〜94%減らす
今日のご案内 ☕✨ # Siddiqua氏らは、突起が1〜3個ある管内のストークス流れを対象に、2種類の粗い格子の解から細かい格子の解を予測した。細かい格子の全点で評価した相対L2誤差は、2種類のうち細かい粗格子の解に比べ90〜94%減ったと報告する。
前回の流れの保存形離散化と風洞実験から、今回は粗格子や材料データを使う代理モデルと過渡解析に軸を移す。企業の一次記事は1件で、ガスタービンの事例を扱う。実測との誤差や時間短縮の比較値は紹介記事に示されていない。
1. 管内流れの粗格子解を使い相対誤差を90〜94%減らす # Siddiqua氏らは三次元ストークス方程式について、2種類の粗い非構造格子の局所的な解から、細かい格子での解を予測するニューラルネットを示した。粗い格子の四面体要素は平均約300と730、参照する細かい格子は約15万5,000だ。突起が1〜3個の管内流れで、細かい粗格子の解に対し、参照格子の全点で測った相対L2誤差が90〜94%減った。
💡 注目しておきたい理由: 粗い計算を入力にして参照解への近さを評価する例だ。比較は論文の管形状とストークス流れに限られ、乱流や任意の形状で同じ改善を保証しない。
🔗 情報源: arXiv 🕰️ 公開日時: 2026-11-07 🗂️ 分類: 流体解析・代理モデル 2. コンクリートの三次元ひずみ場を代理モデルで予測する # Fourel氏らは、ボクセル化したコンクリートの構造から、36成分のひずみ局所化テンソル場を予測するU-Netを学習した。最大256³の解像度を対象とし、学習データには高速フーリエ変換を使う線形弾性ソルバーの結果を用いる。検証と未使用テストの双方で平均絶対誤差1.118%を報告し、学習と異なる骨材体積率への転移も調べた。