燃焼用途向けグラフニューラルネットワークに基づく化学反応機構の縮約手法
arXiv cs.LG / 2026/3/25
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、詳細な化学反応速度論を直接シミュレーションするには計算コストが過大となる乱流燃焼流れに対して、グラフニューラルネットワーク（GNN）を用いた2つのデータ駆動型の化学反応機構縮約手法を提案する。
- GNN-SMは、メッセージパッシング型トランスフォーマ層を備えた事前学習済みサロゲートモデルを用いて、幅広い反応器／熱化学条件にわたる縮約を誘導しつつ、精度を維持する。
- GNN-AEは自己符号化器（オートエンコーダ）的アプローチにより、非常にコンパクトな化学反応機構を生成し、学習した熱化学レジーム内において、種および反応を最大95%削減することを達成する。
- メタン、エチレン、ならびにイソオクタンのテストケースにおいて、GNN-SMは広い状態にわたりDRGEPと同等の縮約性能を示す一方、GNN-AEはそのターゲットのレジーム内でDRGEPを上回る。
- 著者らは、この枠組みを燃焼モデリングにおける従来の専門家主導の化学縮約戦略への、自動化された機械学習による補完として位置づけている。
