Koji Fukagata 研究室
主宰者:Koji Fukagata
慶應義塾大学
AI 要約(直近 5 年の研究成果)
本研究室は、流体の流れ現象を制御・予測・理解することを目指した研究に取り組んでいます。特に、パイプ内の乱流や円柱周りの流れなど、工学的に重要な流動問題を対象として、摩擦抵抗を低減させるための制御手法を開発しています。壁面の加熱・冷却や変形、気体の吹き出しなど、様々な物理的機構を用いた能動制御の効果を数値シミュレーションと実験により検証し、その作用メカニズムを明らかにしています。
近年の大きな研究テーマは、機械学習技術の流体力学への応用です。深層学習を用いて高次元の流れ場データから低次元の本質的な特徴を自動抽出し、その時間発展を記述するモデルの構築に取り組んでいます。また、センサー位置データや壁面の物理量から流れ場全体を推定する手法、低解像度データから高解像度流れ場を復元する手法、流れの分離発生を予測する手法など、データ駆動型のアプローチで流動現象の予測精度向上を図っています。さらに、機械学習と制御理論を組み合わせることで、高度に非線形な流体系に対しても効果的な制御戦略を自動設計する研究も展開しており、量子計算機への応用可能性の探索も進めています。
※ 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)
- 工学Fei Jiang 研究室山口大学論文 95 件·共通: 流体力学基礎, 流体工学系, 熱・流体工学, 機械ダイナミクス +11
- 工学Md Abdus Samad Kamal 研究室群馬大学論文 100 件·共通: 機械ダイナミクス, 機械力学・設計, 制御理論, 制御理論・応用 +12
- 工学Hung Vo Thanh 研究室早稲田大学論文 100 件·共通: 流体力学基礎, 流体工学系, 熱・流体工学, 流体 +8
- 計算機科学Satoshi Suzuki 研究室千葉大学論文 96 件·共通: 制御理論, 制御理論・応用, 学習・記憶, 制御・システム工学 +10
- 工学Kei Sakaguchi 研究室東京工業大学論文 100 件·共通: 制御理論, 制御理論・応用, 学習・記憶, 制御・システム工学 +8
- 工学Josaphat Tetuko Sri Sumantyo 研究室千葉大学論文 100 件·共通: 機械ダイナミクス, 機械力学・設計, 学習・記憶, 認知・行動科学 +8
- 工学Hideaki KATO 研究室東海大学論文 79 件·共通: 機械ダイナミクス, 機械力学・設計, 制御理論, 制御理論・応用 +7
- 工学Seiichiro Katsura 研究室慶應義塾大学論文 100 件·共通: 機械ダイナミクス, 機械力学・設計, 制御理論, 制御理論・応用 +6
研究成果(41 件)
- DOI: https://doi.org/10.1063/5.0324579
- DOI: https://doi.org/10.1088/1873-7005/ae59b2
- DOI: https://doi.org/10.1016/j.ijheatmasstransfer.2026.128543
- DOI: https://doi.org/10.1088/1873-7005/ade8a2
- DOI: https://doi.org/10.1017/jfm.2025.347
- DOI: https://doi.org/10.1017/jfm.2024.1183
- DOI: https://doi.org/10.2514/6.2025-1299
- DOI: https://doi.org/10.1299/jtst.25-00225
- [2024] Defiltering turbulent flow fields for Lagrangian particle tracking using machine learning techniquesDOI: https://doi.org/10.1063/5.0237797
- [2024] Implementation of spectral methods on Ising machines: toward flow simulations on quantum annealersDOI: https://doi.org/10.1088/1873-7005/ad8d09
続きを表示(残り 31 件)閉じる
- DOI: https://doi.org/10.1108/hff-10-2023-0659
- DOI: https://doi.org/10.1007/s42979-024-02602-0
- DOI: https://doi.org/10.1016/j.ijheatfluidflow.2024.109286
- DOI: https://doi.org/10.1146/annurev-fluid-120720-021445
- DOI: https://doi.org/10.1007/s00162-023-00663-0
- DOI: https://doi.org/10.1016/j.ijheatfluidflow.2023.109117
- DOI: https://doi.org/10.1299/jfst.2023jfst0002
- DOI: https://doi.org/10.1299/jsmemecj.2023.s054p-14
- DOI: https://doi.org/10.1016/j.physd.2022.133454
- DOI: https://doi.org/10.1007/s10494-022-00334-w
- DOI: https://doi.org/10.1016/j.ijheatfluidflow.2022.108997
- DOI: https://doi.org/10.1002/asl.1091
- DOI: https://doi.org/10.1038/s41598-022-07515-7
- DOI: https://doi.org/10.1038/s43588-022-00189-1
- DOI: https://doi.org/10.1016/j.jcp.2021.110788
- DOI: https://doi.org/10.5359/jawe.47.212
- DOI: https://doi.org/10.2514/1.j060831
- DOI: https://doi.org/10.4271/2021-01-1164
- DOI: https://doi.org/10.1007/s00162-021-00580-0
- DOI: https://doi.org/10.1063/5.0060760
- [2021] Adjoint-Based Sensitivity Analysis for Airfoil Flow Control Aiming at Lift-to-Drag Ratio ImprovementDOI: https://doi.org/10.2514/1.j060415
- 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
- DOI: https://doi.org/10.1299/jfst.2021jfst0024
- DOI: https://doi.org/10.1299/jfst.2021jfst0014
- DOI: https://doi.org/10.1299/jfst.2021jfst0013
- 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/10.1299/jsmemecj.2021.j063-12
- [2021] Wind-tunnel Experiment of Drag Reduction with Uniform Blowing on the Pressure Surface of an AirfoilDOI: https://doi.org/10.1299/jsmefed.2021.os05-17
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)。