https://blog.nightly.dedyn.io/categories/%E8%A8%AD%E8%A8%88%E3%83%84%E3%83%BC%E3%83%AB%E5%8D%94%E6%A5%AD/Recent content in 設計ツール・協業 on Daily SignalHugo -- gohugo.ioja-JP© 2026 Daily SignalMon, 09 Nov 2026 02:57:00 -0800https://blog.nightly.dedyn.io/daily/2026-11-09-daily-signal/Mon, 09 Nov 2026 02:57:00 -0800https://blog.nightly.dedyn.io/daily/2026-11-09-daily-signal/<h2 class="relative group">今日のご案内 ☕✨ <div id="今日のご案内-" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e4%bb%8a%e6%97%a5%e3%81%ae%e3%81%94%e6%a1%88%e5%86%85-" aria-label="アンカー">#</a> </span> </h2> <p>Zhang氏らは9形状の物体後流について、レイノルズ数10,000で直接数値計算と粒子画像流速計による測定を突き合わせたデータセットを示した。平均場や位相平均場を同じ座標系で比較できる。</p> <p>前回の代理モデルの合格線から、今回は計測と計算の照合、評価の反復に軸を移す。企業の一次発表は2件で、設計協業と鋳造設備の計画だ。いずれも設計AIの精度を測った発表ではない。</p> <h2 class="relative group">1. 9形状の後流をレイノルズ数10,000で計算と実験から比較 <div id="1-9形状の後流をレイノルズ数10000で計算と実験から比較" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#1-9%e5%bd%a2%e7%8a%b6%e3%81%ae%e5%be%8c%e6%b5%81%e3%82%92%e3%83%ac%e3%82%a4%e3%83%8e%e3%83%ab%e3%82%ba%e6%95%b010000%e3%81%a7%e8%a8%88%e7%ae%97%e3%81%a8%e5%ae%9f%e9%a8%93%e3%81%8b%e3%82%89%e6%af%94%e8%bc%83" aria-label="アンカー">#</a> </span> </h2> <p>Zhang氏らは円柱、楕円柱、三角形、角柱の向きを含む9形状の乱流後流データセットを示した。各形状について壁面を解像する直接数値計算（DNS）と、水槽での時間分解粒子画像流速計測（PIV）を実施した。DNSには平均速度・圧力・レイノルズ応力、揚力信号に基づく24区分の位相平均場、各形状1枚の三次元瞬時場などが含まれる。PIVの平均場と位相平均場は同じ座標系に揃えられている。</p> <p><strong>💡 注目しておきたい理由:</strong> 計算と測定を形状ごとに照らし合わせ、データ駆動の乱流モデルや縮約モデルの評価に使える。対象はレイノルズ数10,000の9形状で、他の流れ条件への一般化を示すものではない。</p> <ul> <li>🔗 情報源: <a href="https://arxiv.org/abs/2611.09632" target="_blank" rel="noreferrer">arXiv</a></li> <li>🕰️ 公開日時: 2026-11-06</li> <li>🗂️ 分類: 乱流後流・計算と実験</li> </ul> <h2 class="relative group">2. 強化学習でPIVカメラを動かし、水槽内の翼型後流を捉える <div id="2-強化学習でpivカメラを動かし水槽内の翼型後流を捉える" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#2-%e5%bc%b7%e5%8c%96%e5%ad%a6%e7%bf%92%e3%81%a7piv%e3%82%ab%e3%83%a1%e3%83%a9%e3%82%92%e5%8b%95%e3%81%8b%e3%81%97%e6%b0%b4%e6%a7%bd%e5%86%85%e3%81%ae%e7%bf%bc%e5%9e%8b%e5%be%8c%e6%b5%81%e3%82%92%e6%8d%89%e3%81%88%e3%82%8b" aria-label="アンカー">#</a> </span> </h2> <p>Rajani氏らは粒子画像流速計測（PIV）のカメラ配置を逐次意思決定として扱い、6自由度のマニピュレータを制御する強化学習エージェントを示した。水槽のシミュレーションと、形状・位置・迎角を変えた翼型のCFDで学習し、追加学習なしで実水槽に移した。著者らは固定カメラより後流を高解像度で捉え、全域走査の約半分の時間で計測したと報告する。</p>