Development of data-driven thermal-hydraulic analysis methods using machine learning

本研究申請においては、AI技術によるデータ創作、物体検出、パターン認識からなる基礎的アプローチに加え、計測機器より流れ場情報をリアルタイムに推定させる応用的アプローチの４課題を軸とした「AI×熱流動」に着目し、機械学習を用いたデータ駆動形熱流体解析の基盤開発を目指すものである。2022年度においては、課題（１）として、深層学習による物体検出アルゴリズムを用いて気泡流画像を学習させ、気泡検出モデルの構築を行った。データベースとしては、千葉大学ならびに東京大学にて実施した実験を基に、様々な気液流量により生成された気泡流画像から球形気泡ならびに歪形領域（distorted particle regime）における気泡を対象とし、ボイド率や界面積濃度等の流動パラメータの推定と、推定結果の検証を実施した。これらの高解像度二相流画像と、畳み込みニューラルネットワーク（CNN）をベースとした物体検出アルゴリズムを融合させ、二相流の流れ場における気液界面特徴量（ボイド率、界面積濃度）を瞬時・リアルタイムに抽出可能なモデルの基盤構築を行った。本年度は、キャップ気泡生成領域までの（ボイド率約１０％）条件を適用範囲とし、既存の界面積濃度やボイド率相関式と比較検証を実施した。次年度には本モデルを更にチューニングすると共に、スラグ流までデータベースを拡張子、バイアスの定量化等を試みる。課題（２）においては、炉心や格納容器減圧時のプールスクラビングやフィルターベント（FCVS）装置の設計に必要となる直接接触凝縮線図の構築を目標としている。2022年度においては新規実験装置構築のための準備を行い、配管系や実験装置の詳細設計を行った。

本研究申請においては、AI技術によるデータ創作、物体検出、パターン認識からなる基礎的アプローチに加え、計測機器より流れ場情報をリアルタイムに推定させる応用的アプローチの４課題を軸とした「AI×熱流動」に着目し、機械学習を用いたデータ駆動形熱流体解析の基盤開発を目指すものである。2022年度においては、課題（１）として、深層学習による物体検出アルゴリズムを用いて気泡流画像を学習させ、気泡検出モデルの構築を行った。データベースとしては、千葉大学ならびに東京大学にて実施した実験を基に、様々な気液流量により生成された気泡流画像から球形気泡ならびに歪形領域（distorted particle regime）における気泡を対象とし、ボイド率や界面積濃度等の流動パラメータの推定と、推定結果の検証を実施した。これらの高解像度二相流画像と、畳み込みニューラルネットワーク（CNN）をベースとした物体検出アルゴリズムを融合させ、二相流の流れ場における気液界面特徴量（ボイド率、界面積濃度）を瞬時・リアルタイムに抽出可能なモデルの基盤構築を行った。本年度は、キャップ気泡生成領域までの（ボイド率約１０％）条件を適用範囲とし、既存の界面積濃度やボイド率相関式と比較検証を実施した。次年度には本モデルを更にチューニングすると共に、スラグ流までデータベースを拡張子、バイアスの定量化等を試みる。課題（２）においては、炉心や格納容器減圧時のプールスクラビングやフィルターベント（FCVS）装置の設計に必要となる直接接触凝縮線図の構築を目標としている。2022年度においては新規実験装置構築のための準備を行い、配管系や実験装置の詳細設計を行った。