物理インフォームドな時空間サロゲートの非侵襲学習による設計の加速
arXiv cs.LG / 2026/4/17
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- この論文は、高精度なマルチフィジックスシミュレーションが高コストであるためにエンドツーエンドの工学設計が遅くなる課題に対し、設計を加速するためのPISTMという物理インフォームド時空間サロゲートモデル化の枠組みを提案しています。
- それは、純粋にデータ駆動のサロゲートが抱える主要な弱点である「学習分布外の入力に対する汎化性能の低さ」を、基となる力学系の物理法則で学習を拘束することで改善しようとしています。
- PISTMは、Koopmanオートエンコーダを用いて、元のシミュレータへの変更を行わない非侵襲的な形で時空間ダイナミクスを学習します。
- 組み合わされた時空間サロゲートにより、未知の運転条件に対して、指定した時間窓でKoopman作用素の挙動を予測します。
- 提案手法は、代表的な流体問題として2次元非圧縮流（円柱まわりの流れ）で評価されています。
