イハクヲネエネラA。ハ2018。チ2020ヌッナル。、インツネヨケ 18H03758。ヒ

。ヨオ。ウ」ウリスャ、ヒ、隍ヘホョ・モ・テ・ー・ヌ。シ・ソ、ホニテトァテスミシヒ。、ホケステロ。ラ


fig1s.png

K. Fukami, Y. Nabae, K. Kawai, and K. Fukagata, Phys. Rev. Fluids 4, 064603 (2019).
Copyright © 2019 by the American Physical Society.


クヲオ貭ホタゥ

クヲオ讀ホヌリキハ。ヲフワナェ、ハ、ノ

、ウ、チ、鬢、エヘイシ、オ、、。」

  • ソシウ ケッニ。、サウヒワ タソ。、エ萢ワ キー。、トケテォタ ヘホイ。、トヘクカ ホエヘオ。、ハ。ナ トセコネ。、シ ヘオフ鬘、タトフレ オチヒ。、
    。フニテスク。ヘテフワクヲオ in ヌッイ2018。ァ。ヨオ。ウ」ウリスャ、ヘム、、、ソヘホョ、ホニテトァテスミシヒ。、ホケステロ、ヒク、ア、ニ。ラ。、
    、ハ、ャ、 37, 524-527 (2018).

シ遉ハクヲオ貘ョイフ。ハケゥサテ譯ヒ

クヲオ賺タハク

  1. T. Murata, K. Fukami, and K. Fukagata,
    "Nonlinear mode decomposition with convolutional neural networks for fluid dynamics,"
    J. Fluid Mech. 882, A13 (2020).

  2. K. Fukami, Y. Nabae, K. Kawai, and K. Fukagata,
    "Synthetic turbulent inflow generator using machine learning,"
    Phys. Rev. Fluids 4, 064603 (2019).

  3. K. Fukami, K. Fukagata, and K. Taira,
    "Super-resolution reconstruction of turbulent flows with machine learning,"
    J. Fluid Mech. 870, 106-120 (2019).

イオトネッノス、ハ、ノ

  1. ソシクォ ウォ。、ソシウ ケッニ。、ハソ ヒョノァ。、
    。フニテスク。ヘテフワクヲオ in ヌッイ2019。ァ。ヨ2シ。クオホョ、セ、リ、ホオ。ウ」ウリスャトカイチ、ホアヘム。ラ。、
    、ハ、ャ、 38, 395-398 (2019).

  2. トケテォタ ーナミ。、ツシナト ケ篷ヒ。、ソシクォ ウォ。、ソシウ ケッニ。、
    。フニテスク。ヘテフワクヲオ in CFD32。ァ。ヨオ。ウ」ウリスャ、ヘム、、、ソア゚テシ、ホョ、、ホ・・、・ホ・・コソーヘツクタュ、ホヘスツャ。ラ。、
    、ハ、ャ、 38, 81-84 (2019).

  3. R. Yamaguchi, A. Mitsuishi, T. Shimura, K. Iwamoto, and A. Murata,
    "Prediction of time evolution of vortex structure in pulsating turbulent pipe flow by deep learning,"
    The 29th International Symposium on Transport Phenomena, Honolulu, Hawaii, USA (2018).
  4. トケトョ クサヨ。、トヘクカ ホエヘオ。、
    。ヨソシチリウリスャ、ヒ、隍ヌエテニタュホョツホヘホョ、ホヘスツャイトヌスタュ、ヒエリ、ケ、トエココ。ラ。、
    ニヒワオ。ウ」ウリイツ31イキラササホマウリケヨア魎 (2018).

・・・ッ


Last-modified: 2019-12-24 (イミ) 10:15:21 (104d)
Copyright © 2007-2020 Fukagata Lab., Keio University, All rights reserved.