グラフニューラルネットワークを用いたメッシュベース数値解析の汎用的な学習

DOI
  • 堀江 正信
    株式会社科学計算総合研究所 筑波大学システム情報工学研究群
  • 森田 直樹
    株式会社科学計算総合研究所 筑波大学システム情報系
  • 井原 遊
    株式会社科学計算総合研究所
  • 三目 直登
    筑波大学システム情報系

書誌事項

タイトル別名
  • Learning mesh-based numerical analysis using graph neural networks

抄録

<p>メッシュは有限要素法や有限体積法で用いられる重要なデータ構造である.メッシュデータ構造はグラフと呼ばれるデータ構造の一種であるとみなせるため,メッシュを学習するために graph neural network (GNN) が広く用いられてきた.本研究では,GNN が有限要素解析の学習に有用なモデルであることを示す.提案手法では,メッシュの回転や並進に対して不変となるような形状の特徴量を入力として用いることによって学習をより効率的にしている.さらに,提案手法は学習データセットに含まれていない 100 万節点もの大きなメッシュに対しても精度を有意に落とすことなく推論ができることがわかった.</p>

収録刊行物

詳細情報

  • CRID
    1391412326421287424
  • NII論文ID
    130007938956
  • DOI
    10.11421/jsces.2020.20201005
  • ISSN
    13478826
  • 本文言語コード
    ja
  • データソース種別
    • JaLC
    • CiNii Articles
  • 抄録ライセンスフラグ
    使用不可

問題の指摘

ページトップへ