ご相談・お問い合わせ
深層強化学習と数値流体力学の融合の試み
岡林 希依 OKABAYASHI Kie
機械工学専攻 助教
熱流動態学講座 流体物理学領域 梶島・竹内研究室
キーワード
深層強化学習、流体力学、最適化、数値流体力学、 機械学習
重点分野
ＡＩ・データ、航空宇宙
ここがポイント!【研究内容】
- ディープニューラルネットワークを用いた強化学習（深層強化学習）と数値流体力学（コンピュータで水や空気の流れを計算）の融合の試み。
- その問題設定の一例として、トンボの羽に見られる折れ曲がり翼について、揚抗比を目的関数とした形状パラメータ最適化を扱い、手法の有効性を示した。
- 今後、形状最適化だけでなく、流体制御（摩擦抵抗低減など）への本手法の応用、スーパーコンピューティングとの融合などを予定している。
応用分野
ものづくり関連、航空宇宙工学分野
論文・解説等
- [1] Noda, T. et al., Optimization of configuration of corrugated airfoil using deep reinforcement learning and transfer learning, AIP Advances 13, 035328 (2023). https://aip.scitation.org/doi/10.1063/5.0134198