エネルギーシステムにおける流体の流れ予測のためのマルチモーダル・ビジョン・トランスフォーマーに基づくモデリング・フレームワーク

要旨: エネルギーシステムにおける複雑な流体の流れの計算流体力学（CFD）シミュレーションは、強い非線形性とマルチスケール・マルチフィジックス相互作用のため、計算コストが非常に高くつきます。本研究では、流体の流れを予測するためのトランスフォーマーに基づくモデリングの枠組みを提示し、往復動エンジンに関連する高圧ガス噴射現象に対してその有効性を示します。本手法は階層型ビジョントランスフォーマー（SwinV2-UNet）アーキテクチャを用い、複数の忠実度（multi-fidelity）シミュレーションから得られたマルチモーダルな流れデータセットを処理します。モデルのアーキテクチャは、データのモダリティと時間増分を明示的に符号化する補助トークンによって条件付けされます。モデル性能は、2つの異なるタスクで評価します: (1) 時空間ロールアウト。ここではモデルが自己回帰的に将来時刻の流れ状態を予測します。 (2) 特徴変換。ここではモデルが観測された場／ビューから、未観測の場／ビューを推論します。本研究では、当社内のCFDシミュレーションによって生成したマルチモーダルデータセットに対して別々のモデルを学習します。対象は、窒素環境にアルゴン噴流を注入するケースであり、複数の格子解像度、乱流モデル、および状態方程式を含みます。その結果得られるデータ駆動型モデルは、解像度およびモダリティをまたいだ一般化を学習し、流れの時間発展を正確に予測するとともに、限られたビューから欠落した流れ場の情報を再構成できることが示されました。本研究は、大規模なビジョントランスフォーマーモデルを、複雑な流体フロー系の予測モデリングを前進させるために適応できることを示しています。