AIが解く世界の難問 · 化学・材料 · arXiv · 2026-10-19
生成的レオロジーのためのGENERIC情報組み込みニューラルネットワーク
原題: A GENERIC-Informed Neural Network for Generative Rheology
微視的構造の流動データから、熱力学的に許容される構成方程式を発見するという課題に取り組み、GINNGERという枠組みを提案した。構成方程式そのものを学習する代わりに、その元となる熱力学的ジェネレータを学習し、GENERICの形式を組み込むことで熱力学の第一法則・第二法則を満たすモデルに探索を限定する。高精度シミュレーションで検証した結果、構成挙動を正確に再現し、未知の形状における複雑な流れ場も予測できた。