氏名：青木 貴裕
所属：パナソニックホールディングス株式会社技術部門GX本部 先端材料開発センター計算・インフォマティクス技術部２課
概要：目的　ニューラルネットワークによる複雑かつ多数のパラメータを利用する流体計算の高速計算の可能性検証

内容　Physics Informed Neural Network×LLMを用いて、流体方程式及び熱伝導方程式に関する境界条件等に関する誤差関数をDeep Neural Operatorを用いて定義し、それを最小化することで流体計算を高速化できるかを検証しつつ、収束に必要な条件(例えば各要素の重み、学習率など)を明確化

結果　Deep Neural Operator型関数を用いることで、レイノルズ数Re50程度の乱流計算を実行可能なことが分かった
⇒ 今後の流体計算の高速化の一助になる可能性有

利用した計算機
SQUID 汎用GPU/CPUノード群
ノード時間約4,400 時間
使用メモリ30～70 GB
並列化5～10ノード並列
使用ソフトDEEPXDE,COMSOL