|
【講座の趣旨】
機械学習を用いた流体力学現象の予測やモデリングについて、基礎理論から実装手法、さらに応用例までを体系的に解説する。特に、従来の数値シミュレーションとの関係や、実際のデータ駆動モデリングにおける課題と解決法、今後の方向性について、具体例や近年の国際会議動向を交えながら紹介する。
１．流体力学と機械学習の基礎
1-1 流体力学の基礎方程式（ナビエ-ストークス方程式）
1-2 乱流とモデリングの基本的考え方
1-3 機械学習の基礎（最小二乗法からニューラルネットワークまで）
２．リカレントニューラルネットワークを用いた非線形時系列予測・モデリング
2-1 リザバーコンピューティングと時系列予測
2-2 メモリーの重要性と保存機構
2-2 乱流モデルへの機械学習の導入
３．理論的基盤とダイナミクスの理解
3-1 力学系理論とカオス（リャプノフ指数など）
3-2 モデルの安定性と再現性
3-3 スケール相互作用とモデリングの本質的課題
４．実装と応用事例
4-1 実装上のポイント（データ前処理・学習・評価）
4-2 乱流再現・予測の実装例
4-3 国際会議動向に基づく今後の課題と展望
【質疑応答】
|
