【研究領域課題番号】21H04571 (KAKENデータベースで見る）

【研究キーワード】

データ同化 / 機械学習 / 数値気象モデル / 豪雨予測 / データサイエンス

【研究成果の概要】

本研究の目的は、これまで独立して進んできた気象・水文モデル予測とデータ同化・機械学習を統合し、「富岳」時代の高精度・高頻度なリアルタイム豪雨・洪水予測を確立することである。2021年度は下記(a)-(d)の研究を推進した。
(a) 極端気象予測の改善： 雲微物理の不確定要素である雪氷種は、モデル予測の精度を左右する重要な要素であるが、現状では検証データが十分にない。2021年度には雪氷種画像を分類する畳み込み画像識別器CNN開発した。図鑑画像を教師にしたCNNにより、数値モデルで扱う主要な雪氷種分類に成功した。
(b) 水文データ同化による洪水予測の高精度化： 降雨・流出・氾濫一体解析モデルRRIにアンサンブルカルマンフィルタ (EnKF)を実装し、初期値改善によりリアルタイム洪水・浸水予測を高精度化する。2021年度には、雄物川を対象にしたRRI-EnKFのプロトタイプを完成させた。
(c) 衛星ビッグデータを用いた豪雨の高頻度予測： 線状降水帯の発達の鍵となる水蒸気分布“湿舌”の形成を予測するため、時空間的に密な衛星ビッグデータを用いた、湿舌のデータ駆動型予測手法を構築する。2021年度は畳み込み時系列予測モデル Convolutional LSTMの開発を開始しており、単純な画像補完問題 (Moving MNIST)で良好な動作を確認した。
(d) AIダム操作最適化による災害緩和手法の構築：ここでは高速計算可能な洪水予測エミュレータを開発し洪水の高頻度予測を実現する。2021年度は、雄物川流域を対象に、洪水氾濫モデルの長期積分を行い、その入力・出力関係を関連付ける機械学習・エミュレータを開発した。特に、入出力データを情報圧縮したうえでニューラルネットワークによる回帰学習をさせることで、より少ないアンプルデータからのエミュレーティングを可能にした。

【研究種目】基盤研究(A)

【研究期間】2021-04-05 - 2025-03-31

【配分額】41,860千円 (直接経費: 32,200千円、間接経費: 9,660千円)

【研究領域課題番号】19K04946 (KAKENデータベースで見る）

【研究キーワード】

避難行動 / 物的被害 / グラフニューラルネットワーク / データ同化 / シミュレーション / ビッグデータ / 機械学習 / 防災・減災 / 大地震 / リアルタイム予測 / リアルタイム推定 / 避難シミュレーション

【研究成果の概要】

2020年度には，Gretel [Cordonnier et al. 2019]と呼ばれるグラフニューラルネットワーク（GNN）モデルと，データ同化手法の一つであるパーティクルフィルタを統合した，データ駆動型の新たな避難者分布予測モデルを提案した。
2021年度は，上述の避難者分布予測モデルを改良するとともに，擬似的な観測避難者分布の生成に用いていているエージェントベースシミュレーションの結果と比較することで，主に計算時間と予測精度の観点からモデルの有用性を検証することを試みた。
具体的には，第一に，2020年度時点では十分に考慮できていなかった時刻情報を考慮できるよう，入力データの仕様や計算プログラムの改良を行った。時刻情報は，データ同化を行うにあたって重要であるため，発生からの経過時間に応じた道路閉塞状況のみならず，各避難者の位置情報も時刻情報とセットで扱うようにした。加えて，ベースとして用いているGretelは局所的な状況に基づき将来予測を行うものであるが，この特性は目的地（避難場所）をもって行動する避難行動とは乖離がある。そこで，道路ネットワーク上の各交差点（ノード）から各避難場所までの距離をノードの特徴量として組み込むことで，より大局的な避難行動の傾向を考慮した予測を可能とすることを目指した。
また，GNNに学習させる避難行動軌跡数やデータ同化で用いるパーティクル数と，計算コストや予測精度との関係を分析し，リアルタイム予測に求められる要件や期待できる精度について検討を試みた。

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2023-03-31

【配分額】4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)

【研究領域課題番号】19K04570 (KAKENデータベースで見る）

【研究キーワード】

軌道評価 / データ同化 / 機械学習 / 携帯情報端末 / 車両応答 / 営業車両応答 / 維持管理工学 / デ ー タ 同化

【研究成果の概要】

軌道の変状による事故の防止のために異常の早期発見が重要であるが，通常の年1回実施の軌道検測は頻度が低く，軌道劣化の進行を適切に把握できないことが指摘されている．本研究では，近年急速に普及した安価な携帯情報端末により観測した，営業車両の車体の振動応答から軌道状態を推定し，簡便かつ高頻度な常時モニタリングシステムの構築を目指す．研究の方法としては，軌道変状が長短波長成分を分類され，データ同化手法と機械学習手法を組み合わせ，数値解析モデルで検証する上，実線路営業車両へ応用検証を行う．数値解析と実車計測によって軌道状態の評価手法の構築でき，手法の実用性および精度が明らかになると考える．

【研究の社会的意義】

軌道の変状特性によって応答への影響が異なる．本研究は対象とする軌道状態を表現するために十分に詳細な，かつ，逆解析に耐える車両モデルを提案する．さらに，長波長変状成分をデータ同化から直接逆推定を適用するともに，推定困難の短波長成分は機械学習より特徴検出を試みた．
本システムでは，営業車両と携帯情報端末を利用するため，特殊な車両と計測機器を必要としないことから，実装は容易である．また，通常営業中に頻繁な計測，データ収集が可能であるため，本研究は地方中小鉄道事業者に低廉かつ簡便なモニタリング手法を提供し，資産価値の維持と向上に資する重要な基礎技術と位置付けられる．

【研究種目】基盤研究(C)

【研究期間】2019-04-01 - 2022-03-31

【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)

【研究領域課題番号】18K13983 (KAKENデータベースで見る）

【研究キーワード】

アルミニウム / 1000系合金 / Al-Fe合金 / 加工軟化 / スカベンジング効果 / 電子顕微鏡 / EBSD / 主成分分析 / 1XXX / 特性予測 / 不純物元素 / データ同化 / 金属材料 / 機械学習 / 結晶・組織制御

【研究成果の概要】

持続可能な社会を実現するためには、高機能な軽金属材料の開発による省エネルギー化が重要となる。軽金属材料の性能を向上に向けては、微量添加元素の影響を受ける微細組織の制御が重要となる。加えて、革新的な高機能材料を開発するためには、材料特性に影響を与える新規な微細構造因子の発見が必要となる。本研究では、アルミニウム合金の機械的特性を主な対象として、原子スケールからミクロスケールにかけて取得可能な多次元組織データに対して機械学習アプローチを用いて、材料特性に寄与する組織データを抽出するとともに、抽出データを材料組織学の理論に還元し、高機能材料設計の指針となる新規微細組織因子を見出すことを目的とした。

【研究の社会的意義】

高純度Alにおける加工組織の緩和・回復現象は実験的に確認されているものの、現象を支配する因子については未解明の部分が多い。本調査結果は、転位をはじめとした欠陥の運動学に基づく組織形成・発展に関する調査の重要性を示すものである。また、実用的には、加工軟化現象の本質的な理解により、既存Al合金の強度・成形性の制御の幅を広げることが可能となる。特に、強加工材において焼鈍等を用いることなく材料強度が制御可能となることは、組織制御およびコスト低減の観点で重要である。

【研究種目】若手研究

【研究期間】2018-04-01 - 2020-03-31

【配分額】4,160千円 (直接経費: 3,200千円、間接経費: 960千円)

【研究分野】構造・機能材料

【研究領域課題番号】17K14832 (KAKENデータベースで見る）

【研究キーワード】

疲労 / 機械学習 / スパースモデリング / データ同化 / 結晶塑性 / 空間相関関数 / 二相鋼 / 繰返し応力ひずみ曲線 / 構造・機能材料 / 結晶塑性有限要素法

【研究成果の概要】

金属材料の力学的特性を予測するためには、一般に材料・加工条件から微細組織を予測するためのモデルと、組織から特性を予測するためのモデルが必要である。従来の特性予測モデルでは、第二相の体積分率や母相と第二相の強度比といったマクロな組織因子が使用されてきたが、疲労の問題では局所的な変形挙動が重要である。そこで本研究では、空間相関関数を用いて二相組織の局所的な空間配置を定量的に取り扱った。この手法は三相以上の多相組織にも拡張可能であるため、多くの実用材料に適用可能であり、統一的な疲労予測手法の提案が期待できる。さらに主成分解析を行い計算コストを抑えることで、様々な条件下の疲労寿命予測が期待できる。

【研究の社会的意義】

鉄鋼材料を初めとした多くの実用材料の疲労寿命をより正確に予測できるようになる。またスパースモデリングによるモデル選択や、データ同化手法を適用することで、どのような組織因子が疲労特性に寄与するか明らかにできる。さらに、フェーズフィールド法などの組織予測手法と組み合わせることで、製造プロセスから性能への一貫予測が実現されると期待される。さらには、クリープや腐食といった他の材料特性についても、同様のアプローチで、予測するための指針を立てられる。これらを組み合わせることで、例えば疲労特性と破壊靱性をバランスよく両立するような材料の開発指針を立てることなどにも役に立つ。

【研究種目】若手研究(B)

【研究期間】2017-04-01 - 2019-03-31

【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)

【研究分野】高性能計算

【研究領域課題番号】16H02823 (KAKENデータベースで見る）

【研究キーワード】

自動チューニング / 通信削減アルゴリズム / 機械学習 / データ同化 / ループ変換 / 時空間ブロッキング / マルチコア / ポストムーア / スレッド並列化 / 通信回避アリゴリズム / 疎行列反復解法 / ハイパフォーマンス・コンピューティング / 性能モデル / メニーコア / 通信回避アルゴリズム / 通信削減

【研究成果の概要】

（１）ＡＴ方式開発：コード変換を伴うＡＴ方式、実行時にスレッド数を変更する新方式を提案し有効性の評価を行った。また、機械学習を適用する新しいＡＴ方式の実現可能性について検討と評価を行った。（２）ＡＴ性能モデル化：複数の性能パラメタからなる多次元空間上をd-Spline関数により一次元探索を繰り返す超軽量なＡＴ機構を実現した。（３）アプリケーション適用： 4次元変分法をフェーズフィールドモデルに実装したアプリケーションを構築し、高性能実装手法による高速化を行った。核融合プラズマの磁気流体力学(MHD)不安定性の解析にて使用される簡約化二流体モデル解析を半陰的時間積分法の導入により高速化した。

【研究の社会的意義】

幅広い分野のプログラムに適用できる自動チューニング方式と性能モデルを開発したことにより、科学の進展に資するプログラムや、ものつくりなどのプログラムの高速化を、最先端のスーパーコンピュータ上で、低いコストで実施できるようになる可能性がある。このことで、新たな科学上の発見や、効率の良い工業製品の開発、などを支援する計算機環境の構築に貢献することが期待できる。

【研究種目】基盤研究(B)

【研究期間】2016-04-01 - 2019-03-31

【配分額】17,030千円 (直接経費: 13,100千円、間接経費: 3,930千円)

【研究分野】ウェブ情報学・サービス情報学

【研究領域課題番号】16H02907 (KAKENデータベースで見る）

【研究キーワード】

逆強化学習 / 強化学習 / 多目的最適化 / 社会シミュレーション / 行動規範 / マルチエージェントシミュレーション / 行動科学 / 最適化 / 敵対的生成ネットワーク / マルチエージェント / メカニズムデザイン / マルチエージェント強化学習 / 多目的強化学習 / 深層強化学習 / ソフトコンピューティング / 機械学習 / 都市計画 / 土木環境システム / 避難行動の規範抽出 / 鉄道運行整理 / 分散深層強化学習 / データ同化 / 対話 / 自然災害 / 認知科学 / エージェント / 人工知能

【研究成果の概要】

本課題では，都市交通が頑健かつ柔軟に機能する状況を「レジリエンス」と定義し，これを実現する上で，情報インフラや人の状況判断，法制度の３つのソフトインフラの連携が必要との立場から研究を進めてきた．特に緊急時の二次被害減災は人の行動が鍵であるとし，人の挙動特性を考慮した都市交通システム設計法を提案した．災害における人の行動の規範は，過去の似た状況の記憶に影響を受けるため，正しい情報を直接提供するよりも，最適な行動選択を促す方が効果的であることを確かめた．また，人流の軌跡から行動規範の推定法として，遺伝的アルゴリズムと逆強化学習を導入した２つの方法を提案した．

【研究の社会的意義】

災害時，都市交通機能の停止は，人々の移動手段を奪うが，その後の情報提供や運転再開についての意思決定が重要である．SNSなどによる不確かな情報の錯綜による混乱はもちろん，運営側の運転再開に関する誤った意思決定や避難誘導はさらなる二次災害を引き起こす．本研究の学術的貢献として，災害時の人の意思決定傾向や，情報の局所性，曖昧性を考慮した運営側，あるいは政府による最適な避難誘導案の生成支援が挙げられる．また，社会的意義として，人の意思決定傾向を踏まえた混乱や混雑が生じる状況や場所を予測可能にしたこと，および，本結果に基づいた法の見直しの根拠を与えることを可能にした点を挙げる．

【研究種目】基盤研究(B)

【研究期間】2016-04-01 - 2019-03-31

【配分額】15,210千円 (直接経費: 11,700千円、間接経費: 3,510千円)