トピック: Physics-Informed Neural Network (PINN)

全セクション横断 5 件

米研究者がリチウムイオン電池向けに転移学習を組み込んだ物理情報ニューラルネットワークを開発した。異なる電池化学系への適応コストを大幅に削減し、EV・蓄電システム産業における品質管理とBMS開発の効率化に道を開く。

中国の研究チームが分数階偏微分方程式を高精度で解くテンソルニューラルネットワーク「fTNN」を開発した。材料科学・金融リスク・医療画像など複雑な異常拡散現象のシミュレーション精度が従来手法を大幅に上回り、産業界の数値解析コスト削減に直結する可能性がある。

物理情報ニューラルネットワークと自己教師あり学習を組み合わせた新アルゴリズム「SimPhysNet」が、わずか200枚のラベル付き画像で96%超の溶接貫通状態分類精度を達成した。製造現場における品質管理の自動化と検査コスト削減に直結する成果である。

量子回路と物理制約を組み込んだ新型ニューラルネットワーク「QCPIKAN」が偏微分方程式の高精度求解を実現した。石油・ガス開発や地下水管理など多孔質媒体の流体シミュレーションに直接適用可能で、探鉱コストと計算時間の大幅な削減が見込まれる。

米タルサ大学の研究チームが、物理情報ニューラルネットワークの非凸最適化問題を凸型に変換する新解法「LiL-Q」を発表した。シミュレーション精度と計算コストの両立が求められる産業界に実用的な恩恵をもたらす可能性がある。