説明

機械学習は近年 CFD の分野にも応用が進んでおり、特に乱流モデルの高度化に寄与している。従来の乱流モデル（RANS や LES のサブグリッドモデル）は人間の経験と仮定に基づくものであったが、DNS など高精度データから機械学習（ニューラルネットワーク、ランダムフォレスト等）によってモデルを構築するアプローチが盛んになっている。例えば、RANS の渦粘性係数 C_μ や壁近傍の挙動を ML で補正する試み、LES の SGS 応力テンソルを NN で直接予測する研究などがある。こうしたデータ駆動型モデルは、既存モデルでは難しかった流況（強非線形・非平衡な乱流など）で高精度化が期待されるが、物理法則（対称性や次元解析）との整合性を保証する工夫が必要とされる。