Kai Fukami 研究室
主宰者:Kai Fukami
東北大学
AI 要約(直近 5 年の研究成果)
Fukami研究室は、機械学習を用いた流体力学の解析・モデリング・制御に取り組んでいます。研究の核心は、複雑で高次元の流れ現象から低次元の本質的な構造を抽出することです。ニューラルネットワークやオートエンコーダといった機械学習手法を活用して、翼周りの流れ、乱流、液膜ダイナミクスなど多様な流体現象を圧縮・表現しています。これにより、従来の物理モデルでは捉えられない非線形な流れの特性を数値化できます。
具体的には、センサーからの限定的な計測データから流れの全体像を推定したり、スナップショット画像から高解像度の流れ場を再構成したりする手法を開発しています。特に、強い渦や突風に晒された翼の複雑な相互作用といった「極端な航空力学」現象に焦点を当て、その動的構造を低次元多様体として解釈し、流れの制御に応用しています。また、微視的なレベルでは界面張力が支配する液膜の挙動を実験計測データから直接モデル化するなど、スケールを越えた応用を進めています。
これらの研究を通じて、データから物理法則を自動的に発見する方法論や、機械学習の限界と可能性を明らかにすることで、流体力学と情報科学の融合領域における基礎的な理解を深めています。
※ AI(Claude)が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 環境科学Hideki Kikumoto 研究室東京大学論文 175 件·共通: 航空, 流体, 航空・宇宙工学, 航空宇宙 +8
- 材料科学Junichiro Shiomi 研究室東京大学論文 100 件·共通: 航空・宇宙工学, 航空宇宙, 古典物理, 力学 +7
- 保健専門職Qi An 研究室東京大学論文 159 件·共通: AI・機械学習, 機械学習, 力学, 機械 +9
- 環境科学Sameh A. Kantoush 研究室京都大学論文 104 件·共通: 流体, AI・機械学習, 機械学習, 機械 +8
- 工学Yoshiyuki Kawazoe 研究室東北大学論文 100 件·共通: 古典物理, 力学, 基礎物理, 機械 +8
- 工学Makoto Kobashi 研究室名古屋大学論文 100 件·共通: 古典物理, 力学, 基礎物理, 機械 +6
- 工学Ryo Natsuaki 研究室東京大学論文 181 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
- 心理学Zilu Liang 研究室東京大学論文 148 件·共通: AI・機械学習, 機械学習, 機械, 学習 +7
研究成果(34 件)
- DOI: https://doi.org/10.1016/j.euromechflu.2026.204596
- DOI: https://doi.org/10.1017/jfm.2026.11699
- DOI: https://doi.org/10.1103/8t52-mtb9
- DOI: https://doi.org/10.2514/1.j065914
- DOI: https://doi.org/10.2514/6.2025-3869
- DOI: https://doi.org/10.1103/vcbd-tvz1
- DOI: https://doi.org/10.1088/1873-7005/ade8a2
- [2025] Compact representation of transonic airfoil buffet flows with observable-augmented machine learningDOI: https://doi.org/10.1017/jfm.2025.10741
- DOI: https://doi.org/10.1017/jfm.2025.383
- DOI: https://doi.org/10.2514/6.2024-4531
続きを表示(残り 24 件)閉じる
- DOI: https://doi.org/10.1007/s42979-024-02602-0
- DOI: https://doi.org/10.1017/jfm.2024.16
- DOI: https://doi.org/10.1017/jfm.2024.1136
- DOI: https://doi.org/10.1038/s44172-024-00322-0
- DOI: https://doi.org/10.1017/jfm.2024.592
- DOI: https://doi.org/10.1063/5.0205718
- DOI: https://doi.org/10.1038/s41467-023-42213-6
- DOI: https://doi.org/10.2514/1.j063263
- DOI: https://doi.org/10.1007/s00162-023-00663-0
- DOI: https://doi.org/10.1007/s00162-023-00657-y
- DOI: https://doi.org/10.1007/s00162-023-00643-4
- DOI: https://doi.org/10.1115/1.4055178
- DOI: https://doi.org/10.1016/j.physd.2022.133454
- DOI: https://doi.org/10.2514/6.2022-3244
- DOI: https://doi.org/10.1038/s41598-022-07515-7
- DOI: https://doi.org/10.1299/jsmekanto.2021.27.11c07
- DOI: https://doi.org/10.1299/jsmekanto.2021.27.11c02
- DOI: https://doi.org/10.1299/jsmemecj.2021.j063-10
- DOI: https://doi.org/10.1063/5.0060760
- [2021] Voronoi-CNN
- DOI: https://doi.org/10.1299/jsmemecj.2021.j063-12
- DOI: https://doi.org/10.1007/s00162-021-00580-0
- DOI: https://doi.org/10.1063/5.0039845
- [2021] Fluid flow state estimation from sparse sensor measurements using convolutional neural networkDOI: https://doi.org/10.1299/jsmemecj.2021.j063-11
科研費(0 件)
まだデータがありません(KAKEN 取り込み後に表示)。
所属学会・役職(0 件)
まだデータがありません(学会データ連携後に表示)。