2024年2月29日、原子力国際専攻酒井研究室のKai-en、YANG（D2）がQ-STEPコロキウムで「Best Poster Award」を受賞しました。

＜受賞した賞の名称と簡単な説明＞

最優秀ポスター賞： Q-STEPコロキウムの最優秀ポスター賞を受賞しました。

＜受賞された研究・活動について＞

発表/ポスターのタイトル：　On Fostering Predictions in Data-driven Reduced Order Model for Eulerian-Lagrangian Simulations: Decision of Sufficient Training Data

講演概要：

オイラー・ラグランジュシミュレーションにおいて，データ駆動型サロゲートモデル（SM）の開発は，計算速度が速いという利点から広く研究されている．しかし，固体-流体連成問題において，オイラー・ラグランジュシミュレーションとSMの整合性を確保するための十分な学習データ量の決定方法は未知であり，非常に困難である．これは学習データが不足すると、SMの精度が低下することを意味する。このため、学習データ量の決め方には試行錯誤が必要となっている。この問題に対処するため、本研究では、データ密度が重要となることを明らかにし、SMの十分な学習データを決定するための新しい手法を提案する。具体的には、事後誤差分析に基づく実現可能性指標を提案する。提案した実現可能性指標＞2の下で訓練データを決定した場合、SMと高忠実度モデルの間の粒状ダイナミクスの整合性が保証されることを示す。代表的なSMである低次モデル(ROM)に本手法を適用することで、十分な学習データを決定することが可能となり、その結果、激しい流体-固体流れにおいて、試行錯誤を行うことなく、顕著な予測可能性を得ることができる。本手法は、データ駆動型モデルの学習データ決定における苦境を解決する大きな可能性を秘めている。この成果は国際学術誌に掲載された。( https://doi.org/10.1080/00219592.2024.2316155 )

<今後の抱負・感想>

Q-STEP コロキウムにおいて、最優秀ポスターの 1 つを受賞できたことを本当に嬉しく思います。 酒井研究室のメンバー全員、特に酒井教授、Guangtao Duan特任助教、Shuo Li特任助教に最大の感謝を表します。 私がこの素晴らしい成果を達成することができたのは、彼らの継続的なサポートのおかげです。粉体プロセスのデジタル化に焦点を当て、データ駆動型の削減次数モデルによる多相粉体プロセスのデジタルツインの実現を目指した研究に取り組んでいきます。