Physics Informed Neural Networksと有限要素を用いた静磁界解析手法に関する基礎検討

カテゴリ: 研究会(論文単位)

論文No: SA24009,RM24009

グループ名: 【B】電力・エネルギー部門 静止器/【D】産業応用部門 回転機合同研究会

発行日: 2024/03/01

タイトル(英語): Basic Study on Magnetostatic Field Analysis Methods Using Physics Informed Neural Networks and Finite Elements

著者名: 佐々木 秀徳(法政大学),鈴木 勇大(法政大学),佐藤 孝洋(室蘭工業大学),佐藤 佑樹(青山学院大学)

著者名(英語): Hidenori Sasaki(Hosei Univiersity),Yudai Suzuki(Hosei Univiersity),Takahiro Sato(Muroran Institute of Technology),Yuki Sato(Aoyama Gakuin University)

キーワード: Ｐｈｙｓｉｃｓ　ｉｎｆｏｒｍｅｄ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ|有限要素法|静磁界|磁気シールド|トポロジー最適化|Physics informed neural network|Finite element method|Magnetostatic field |Magnetic shield|Topology optimization

要約(日本語): 本発表ではPhysics informed neural networks（PINN）と有限要素を用いた静磁界の高速解析手法を提案する．様々な材料分布に対し，ベクトルポテンシャルを高速に予測するPINNを構築し，トポロジー最適化に適用する．損失関数には有限要素方程式を用いる．本検討では磁気シールド問題に適用し，有用性を検証する．

要約(英語): A fast analysis method for static magnetic fields using Physics Informed Neural Networks (PINN) and finite element is proposed. A PINN predicts the vector potential in various material distributions. The loss function for training the PINN includes finite element equations. The proposed method is applied to magnetic shielding problems.

本誌: 2024年3月4日-2024年3月5日静止器/回転機合同研究会-1

本誌掲載ページ: 49-54 p

原稿種別: 日本語

PDFファイルサイズ: 1,985 Kバイト