物理情報ニューラルネットワークとシーケンスエンコーダ：熱成形プロセスにおける加熱および初期冷却への適用

要旨: 先行研究（Elaarabi et al., 2025b）では、オンライン動力学的システム同定のためのシーケンスエンコーダー（Elaarabi et al., 2025a）と、それにPINNを組み合わせたPINN-SEが導入され、合成データと実データの両方を対象としたケースシナリオで検証された。シーケンスエンコーダーは時系列を特徴ベクトルへ効果的に符号化でき、PINNはその特徴ベクトルを用いて力学的挙動へ写像し、パラメータ、初期条件（ICs）および境界条件（BCs）の変化の下でのシステム応答を予測する。以前（Elaarabi et al., 2025b）において、実データでの検証は単純な1D問題に限定され、さらにシーケンスエンコーダーへの入力は1Dの時系列のみであった。本研究では、PINN-SEをより現実的なケースに適用できる可能性を検討する。具体的には、熱可塑性ポリマーを含む連続繊維強化複合材料の成形プロセスにおける重要な段階である、熱成形（thermo-stamping）プロセスの加熱と初期冷却である。さらに、時間的な2D画像のシーケンスのようなマルチモーダルデータや、形状が変化するシナリオに対してPINN-SEの入力を拡張する可能性も探究する。結果は、複数のエンコーダーを、先に提案された手法（Elaarabi et al., 2025b）と組み合わせることが実行可能であることを示す。また、実験データに基づいて生成した合成データでモデルを学習することで、学習フェーズでは見ていない実験データに対しても、モデルの汎化性能を高めるのに役立つことを示す。