-
担当授業
実在流体力学 (MEC.F211)、機械系発展実験 (MEC.P331)、研究プロジェクト (MEC.Z381)、燃焼物理学 (ENR.K450)|各講義に対する学生感想
学歴・職歴
- 2008年 東京工業大学 機械宇宙学科
卒業(3年早期卒業)
- 2010年 東京工業大学大学院 理工学研究科
機械宇宙システム専攻 修了(修士)
- 2014年 英国ケンブリッジ大学 工学部
博士課程 修了
- 2014年 Physical aspects and modelling of turbulent MILD combustion
博士(工学)
英国ケンブリッジ大学
- 2014-2015年 米国サンディア国立研究所
博士研究員
- 2015-2019年 東京工業大学 工学院 助教
(任期付き)
- 2019年-現在 東京工業大学 工学院
テニュアトラック助教(?)
- 2021年10月-現在 JSTさきがけ研究者 兼任
- 2021年11月-現在 株式会社Nora Scientific 代表取締役(Web)
源グループの研究紹介
以下のようなトピックに関する研究をプロジェクト単位(外部研究資金や共同研究、受託研究)で実施しています。担当学生には、研究活動の対価として、RA (research assistant) 経費が支払われる場合があります。
乱流・乱流燃焼
乱流や乱流燃焼は、乱れた流れによる物質輸送や化学反応を伴う非線形物理現象であり、例えば自動車(車体周り、エンジン、空調)や発電(ガスタービン)、航空機(機体周り、エンジン)、工業炉、都市・室内環境などと関係のある物理現象です。近年では水素燃料などによるクリーン燃焼技術が、経産省 革新的環境イノベーション戦略に策定されるなど、エネルギー供給と環境保全のバランスの実現方法として着目されています。また、乱流・乱流燃焼研究で培われた理論や手法は、他の非線形物理現象や社会現象、金融等への応用も考えられます。
直接数値計算
流体に関する最も高精度なシミュレーション手法です。計算コストが非常に高い(スパコンを利用して計算)という欠点がありますが、高性能な物理数学モデル開発の基礎データとなったり、新しい知見をもたらす現象解明に活用されます。直接数値計算データは、膨大な多次元・多変数データから構成されており、近年では機械学習のための教師データとしても使われ始めています。本研究室開発の直接数値計算コードTTXにより実施された直接数値計算データは世界中の研究者にも活用されています。
物理数学モデル
乱流や乱流燃焼に関係のある物理数学モデルの多くは、計算コストのかかる非線形項を、粗視化された流れ場や平均場から直接得られる物理量のみを用いて推測することを目的としています。これらモデルの精度は、製品設計開発で活用される数値流体解析精度へ大きな影響与えます。
機械学習
乱流や乱流燃焼に関して、長年、様々な物理数学モデルが考案されてきましたが、非線形現象の高精度モデル予測は非常に困難なのが現状です。我々が所有している数々の高精度直接数値計算データと、最新のよりロバストな機械学習手法を用いて、種々の高精度な機械学習モデルを提案しています。また、教師なし学習などによる現象解明も行っています。
機械学習プラットフォーム
機械学習モデルは高精度ですが、多くの熱流体解析エンジニアにとって、その保守や再最適化が困難という問題があります。そこで、機械学習の専門家でないエンジニアでも、機械学習によるモデル開発や再学習といった機械学習に関する操作、開発後のモデル検証やそれを使った流体シミュレーションを特別な環境構築や専門知識無しで実施できるプラットフォーム(Webアプリ)を開発しています。
高精度数値解析の境界条件手法開発
直接数値計算は高精度な一方で、用いられる格子形状のために比較的単純な境界条件形状しか扱えないという欠点もあります。格子形状に依存しない境界条件の開発により、より柔軟な境界条件を指定可能で、様々な応用分野での活用が期待されます。
以下のような計算機を使って研究を遂行します。全て遠隔アクセスで利用しますので、研究室だけでなく在宅でも研究遂行可能です。ZoomやJamboard、Slack、GitHubによるコミュニケーションを活用し、Linuxコマンドやコーディング等分からない事は、教員や学生メンバーから教えてもらうことができます。不定期で学生主体の最新技術などのセミナーも行っており、教員(源)やグループ外の学生などが参加することもあります。
学内外のスパコンを使います。
- TSUBAME 3.0 @東工大
- Oakbridge/Oakforest @東大
- SX-ACE @東北大(サービス終了)
- ITO @九州大学
- 富岳 @理研
- Shaheen @KAUST
- Betzy @UNINETT Sigma2
研究室内にも様々な計算機が設置されています。
- TSCS: Xeon (48 cores)
- GPU: Xeon (6 cores), TITAN Xp (Pascal)
- Henry: Xeon (18 cores), Quadro RTX8000
- Storage: ~700TB (RAID)
※国際学術雑誌への掲載が決定された論文。2重下線は源の指導学生。
※源の全ての研究業績はこちら。
- A. Haridas, N. R. Vadlamani, Y. Minamoto, Deep neural networks to correct sub-precision errors in CFD, App. Energy Combust. Sci., 12, 100081 (2022). 機械学習、CFD、直接数値計算、他大学との連携
- K. Jigjid, Y. Minamoto, N. A. K. Doan, M. Tanahashi, SGS Reaction rate modelling for MILD combustion based on machine-learning combustion mode classification: Development and a priori study, Proceedings of Combustion Institute, in press (2022). 機械学習、直接数値計算、乱流燃焼モデル、他大学との連携
- Y. Minamoto, K. Jigjid, R. Igari, M. Tanahashi, Effect of flame-flame interaction on scalar PDF in turbulent premixed flames, Combustion and Flame, 239, 111660 (2022). 直接数値計算、現象解明、物理数学モデル、クリーン燃焼
- R. Nakazawa, Y. Minamoto, N. Inoue, M. Tanahashi, Species reaction rate modelling based on physics-guided machine learning, Combustion and Flame, 235, 111696 (2021). 機械学習、直接数値計算、乱流燃焼モデル、クリーン燃焼
- H. Shehab, H. Watanabe, Y. Minamoto, R. Kurose, T. Kitagawa, Morphology and Structure of Spherically Propagating Premixed Turbulent Hydrogen--Air Flames, Combustion and Flame, in press (2021). 直接数値計算、現象解明、他大学との連携
- K. Osawa, Y. Minamoto, M. Shimura, M. Tanahashi, Voronoi analysis of vortex clustering in homogeneous isotropic turbulence, Physics of Fluids, 33, 035138 (2021). 純粋乱流、直接数値計算、現象解明
- K. Jigjid, C. Tamaoki, Y. Minamoto, R. Nakazawa, N. Inoue, M. Tanahashi, Corrigendum to "Data driven analysis and prediction of MILD combustion mode", Combustion and Flame, 227, 481-482 (2021). 機械学習、直接数値計算、サブモデル
- K. Jigjid, C. Tamaoki, Y. Minamoto, R. Nakazawa, N. Inoue, M. Tanahashi, Data driven analysis and prediction of MILD combustion mode, Combustion and Flame, 223, 475-485 (2021). (Open Access). 機械学習、直接数値計算、サブモデル
- Z. M. Nikolaou, C. Chrysostomou, Y. Minamoto, L. Vervisch, Evaluation of a Neural Network-Based Closure for the Unresolved Stresses in Turbulent Premixed V-Flames, Flow, Turbulence and Combustion, 106, 331-356 (2021). 機械学習、直接数値計算、乱流応力モデル、国際連携
- Y. Minamoto, Y. Kondo, K. Osawa, Y. Harada, M. Shimura, M. Tanahashi, Effects of low-temperature chemistry on the wall heat flux in HCCI combustion, Proceedings of Combustion Institute, 38 (4) 5519-5527 (2021). 直接数値計算、現象解明、企業との共同研究
- N. A. K. Doan, S. Bansude, K. Osawa, Y. Minamoto, T. Lu, J. H. Chen, N. Swaminathan, Identification of combustion mode under MILD conditions using Chemical Explosive Mode Analysis, Proceedings of Combustion Institute, 38 (4) 5415-5422 (2021). 直接数値計算、現象解明、国際連携
※研究代表者分及び研究室外部との研究分担分のみ記載
-
JSTさきがけ研究(2021/10-2024/3)研究代表者
『データ指向型アプローチによるクリーン燃焼技術の確立』
-
D社 共同研究(2019/1-2022/3)研究代表者
-
科研費 若手研究(2019/4-2022/3)研究代表者
『機械学習を導入した局所燃焼現象同定手法に基づく高精度乱流燃焼モデル』
-
本学工学院共通経費による顕彰と研究助成「助教インセンティブ研究経費」(2016, 2017, 2018, 2019, 2021)研究代表者
-
科研費 若手研究 (B)(2016/4-2019/3)研究代表者
『特性時間スケールに基づくブリッジ関数を導入した乱流予混合燃焼モデル』
-
一般社団法人 日本燃焼学会 受託研究費(2016/4-2018/3)研究代表者
『「設計プロセスの高度化を目指した燃焼解析のプラットフォーム開発と検証」の研究』
-
公益信託 日新製糖奨学育英基金 平成28年度研究助成 奨学寄附金(2016/4-2017/3)研究代表者
『複合乱流燃焼条件下のスカラー混合メカニズムの解明』