人工知能と計算科学を組み合わせ、複雑なシステムの正確で効率的なシミュレーションを実現する研究 Research combines artificial intelligence and computational science for accurate and efficient simulations of complex systems
2022-04-07 ハーバード大学
・現在、ハーバード大学ジョン・A・ポールソン工学応用科学大学院（SEAS）の研究者たちは、彼らが「インテリジェントアロイ」と呼ぶ、計算科学と人工知能の力を組み合わせたモデルを開発し、シミュレーションを補完して科学の最も複雑なシステムの進化を予測しようとしています。
・Nature Communications』誌に掲載された論文で、Herbert S. Winokur, Jr.のPetros Koumoutsakosは、「インテリジェントアロイ」と名付けた。工学・応用科学の教授であるPetros Koumoutsakos氏と、SEAS応用計算科学研究所の元博士研究員であるJane Bae氏は、強化学習と数値計算手法を組み合わせ、工学において最も複雑なプロセスの一つである乱流を計算することに成功しました。
＜関連情報＞
- https://www.seas.harvard.edu/news/2022/04/better-faster-energy-efficient-predictions
- https://www.nature.com/articles/s41467-022-28957-7
乱流の壁モデルのための科学的マルチエージェント強化学習 Scientific multi-agent reinforcement learning for wall-models of turbulent flows
H. Jane Bae &Petros Koumoutsakos
Nature Communications Published: 17 March 2022
Abstract
The predictive capabilities of turbulent flow simulations, critical for aerodynamic design and weather prediction, hinge on the choice of turbulence models. The abundance of data from experiments and simulations and the advent of machine learning have provided a boost to turbulence modeling efforts. However, simulations of turbulent flows remain hindered by the inability of heuristics and supervised learning to model the near-wall dynamics. We address this challenge by introducing scientific multi-agent reinforcement learning (SciMARL) for the discovery of wall models for large-eddy simulations (LES). In SciMARL, discretization points act also as cooperating agents that learn to supply the LES closure model. The agents self-learn using limited data and generalize to extreme Reynolds numbers and previously unseen geometries. The present simulations reduce by several orders of magnitude the computational cost over fully-resolved simulations while reproducing key flow quantities. We believe that SciMARL creates unprecedented capabilities for the simulation of turbulent flows.
