大阪公立大学の綿野哲教授らの研究グループは３日、ＡＩ を用いた新たなシミュレーション手法を開発し、従来法と変わらない精度で、計算速度を約３５０倍向上させることに成功したと発表している。より複雑な粉体も予測できるという。

研究では、長い時間幅でも精度よく粒子運動を計算できる新しい手法を開発し、これを 「Ｒｅｃｕｒｒｅｎｔ　Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｗｉｔｈ Ｓｔｏｃｈａｓｔｉｃａｌｌｙ ｃａｌｃｕｌａｔｅｄ　Ｒａｎｄｏｍ　ｍｏｔｉｏｎ（ＲＮＮＳＲ）」と名付けた。ＲＮＮＳＲは、ＤＥＭで計算したごく短時間の粒子運動パターンを学習させて構築するＡＩ モデルで、従来法の数万倍長い時間幅での粒子運動挙動を予測することができる。

研究グループは「粉体特有の運動挙動を精度よく学習・予測するために、巨視的な粉体の動きを回帰型ニューラルネットワーク（ＲＮＮ）で予測し、微視的な粒子のランダム運動を確率分布モデルで予測することが特徴」としている。

これまでもＤＥＭによって粉体全体の動きを計算しなおして、粉体混合を予測する手法があったが、計算に時間がかかるという問題も指摘されていた。が、この手法はそれよりも約３５０倍の計算速度が実証されている。

今後について「粉体のより複雑な混合挙動も予測できるようになること、さらに、実在粉体の特徴である不均質性を扱うことができる手法にまで展開したい」とコメントしている。