パラメータ化された物理インフォームドニューラルネットワーク（PINN）と有限差分法（FDM）を結合するための数値手法：高度な熱水力システム解析
arXiv cs.LG / 2026/4/6
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、MELCORのような原子炉熱水力シミュレーションを高速化するために、有限差分法（P2F）と結合したパラメータ化PINNを提案し、大規模なサロゲートデータセットを必要とする量を削減する。
- ノード割当て型のパラメータ化NA-PINNは、水位差、初期速度、時間などの入力を用いて、複数の流路にわたる運動量保存方程式の解のマンifoldを学習し、再学習なしで対応する。
- このニューラルな運動量サロゲートを、質量保存のためのFDMによる時間進行と結合し、各時間ステップで離散的な質量保存を正確に保つ。
- 6タンクの重力駆動による排水ケースで検証した結果、公称条件下で高い精度が得られ、時間ステップ（0.2〜1.0 s）および複数の初期条件に対しても、再学習やシミュレーションデータなしで安定した性能を示す。
- 総じて本研究は、パラメータ化PINNをシステムコードの文脈に統合するための数値結合フレームワークを導入し、パラメトリックスタディや不確かさの定量化におけるボトルネックの解消を目指す。
