Physics Informed Neural Networksを用いた二次元静磁界推定に関する基礎検討

カテゴリ: 全国大会

論文No: 3-085

グループ名: 【全国大会】令和6年電気学会全国大会論文集

発行日: 2024/03/01

タイトル(英語): Basic Study of 2D Magnetostatic Field Estimation Using Physics Informed Neural Networks

著者名: 鈴木勇大（法政大学）,佐々木秀徳（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): Yudai Suzuki (Hosei University),Hidenori Sasaki (Hosei University),Takahiro Sato (Muroran Institute of Technology),Yuki Sato (Aoyama Gakuin University)

キーワード: PINN|微分方程式|ニューラルネットワーク|静磁界解析|Physics Informed NeuralNetworks|partial differential equations|neural networks|static magnetic field analysis

要約(日本語): 本発表では二次元静磁界を推定するPINNの学習に必要な諸条件について，実験的な検証結果を報告する。PINN（Physics Informed Neural Networks）は，偏微分方程式で表された場の支配方程式をDLの損失関数に組み込むことで，メッシュレスで場を推定可能な教師なし学習である。これまでの数値解析手法に代わって物理方程式を考慮した解を高速に推定できる可能性がある一方，入力座標の前処理や誤差関数の取り方など，学習において検討すべき事項が多い。そこで，本発表では解析対象領域の座標の取り方，入出力の正規化，重み正則化およびミニバッチ学習の有無が学習結果に及ぼす影響を調査した。

本誌掲載ページ: 124-125 p

原稿種別: 日本語

PDFファイルサイズ: 300 Kバイト