少量データセットにおける物理量を考慮した機械学習による複数き裂進展予測の高精度化

抄録

本論文では、物理量を考慮した機械学習による複数のき裂進展予測の精度向上について述べる。データセットは、s-FEMと自動メッシュ生成技術を組み合わせたき裂伝播解析結果から得られる。入力パラメータは4つのき裂先端の座標である。予測される出力値は、き裂進展ベクトルと0.25mmのき裂進展サイクル数である。き裂の伝播経路と伝播速度は0.07%以内で予測された。これは、異なる物理量間の悪影響を避けるために、独立した多層パーセプトロンを構成したことが理由である。さらに、正則化としてデータ増強技術を適用することで、誤差の低減を試みた。汎化性能を検証するために、隠れ層のアクティベーションの分布を観察した。その結果、適切な入出力パラメータと適切な学習データセットの設定により、小さなデータセットでも高い精度で予測できることが示された。