Average Weight based Fine-Tuningを活用した熱境界サロゲートモデルの効率的な改良手法の開発

• 資料種別: 記事
• タイトル: Average Weight based Fine-Tuningを活用した熱境界サロゲートモデルの効率的な改良手法の開発
• 著者標目: 下川 智史; 上村 充範; 川口 則雄; 高橋 政克; 餅原 隆浩
• 出版年月日等: 2025
• 出版年（W3CDTF）: 2025
• タイトル（掲載誌）: 自動車技術会論文集
• 巻号年月日等（掲載誌）: 56 3
• 掲載巻: 56
• 掲載号: 3
• 掲載ページ: 471-475
• 掲載年月日（W3CDTF）: 2025
• ISSN（掲載誌）: 02878321
• 出版事項（掲載誌）: Society of Automotive Engineers of Japan
• 本文の言語コード: ja
• 件名標目: Heat・Fluid; Modeling; Surrogate model; Deep Learning; Transfer Learning; Fine-Tuning; CAE
• 対象利用者: 一般
• DOI: 10.11351/jsaeronbun.56.471; https://doi.org/10.11351/jsaeronbun.56.471
• 連携機関・データベース: 国立情報学研究所 : CiNii Research; https://cir.nii.ac.jp/
• 提供元機関・データベース: Japan Link Center; https://japanlinkcenter.org/top

• 要約等: データドリブンなアプローチで構築した深層学習ベースの熱境界サロゲートモデルは類似タスクにおいて高精度な推論が可能であるが、新規設計(外挿域)では推論精度が低下する。そこで、各中間層ごとに凍結・更新を判断するファインチューニング手法を考案し、学習コストを抑え、新たなタスクへ適応できたことを報告する。（...