検索対象:     
報告書番号:
※ 半角英数字
 年 ~ 
 年
検索結果: 4 件中 1件目~4件目を表示
  • 1

発表形式

Initialising ...

選択項目を絞り込む

掲載資料名

Initialising ...

発表会議名

Initialising ...

筆頭著者名

Initialising ...

キーワード

Initialising ...

使用言語

Initialising ...

発行年

Initialising ...

開催年

Initialising ...

選択した検索結果をダウンロード

論文

CityTransformer; A Transformer-based model for contaminant dispersion prediction in a realistic urban area

朝比 祐一; 小野寺 直幸; 長谷川 雄太; 下川辺 隆史*; 芝 隼人*; 井戸村 泰宏

Boundary-Layer Meteorology, 186(3), p.659 - 692, 2023/03

 被引用回数:0 パーセンタイル:0.01(Meteorology & Atmospheric Sciences)

定点観測された風向などの時系列データおよび汚染物質放出点を入力として、汚染物質の地表面拡散分布を予測する機械学習モデルを開発した。問題設定としては、一様風が都市部へ流入し、都市部内にランダムに設置された汚染物質放出点から汚染物質が拡散するという状況を扱っている。機械学習モデルとしては、汚染物質放出点から汚染物質の拡散分布を予測するCNNモデルを用いた。風向などの時系列データは、Transformerや多層パーセプトロンによってEncodeし、CNNへと引き渡す。これによって、現実的に取得可能な定点測時系列データのみを入力とし、実用上価値の高い汚染物質の地表面拡散分布の予測を可能とした。同一のモデルを用いて定点観測時系列データから汚染物質放出点の予測が可能であることも示した。

論文

適合細分化格子ボルツマン法に基づく都市風況解析コードのNVIDIA及びAMDのGPUにおける性能移植性評価

朝比 祐一; 小野寺 直幸; 長谷川 雄太; 下川辺 隆史*; 芝 隼人*; 井戸村 泰宏

計算工学講演会論文集(CD-ROM), 27, 5 Pages, 2022/06

都市風況解析コードCityLBMをAMD社のMI100 GPUへと移植し、CityLBMの性能をNVIDIA P100, V100, A100およびAMD MI100において測定した。ホスト間でのMPI通信を利用した場合、CityLBMの性能はMI100においてV100と比べ20%程度向上した。適合細分化格子法に起因する補間カーネルを除く演算カーネルでは、MI100においてV100と比べ性能向上を確認した。

報告書

MK-III性能試験における放射線管理関係試験結果報告

干場 英明; 橋本 周; 色川 弘行; 薄井 利英; 佐藤 隼人; 江森 修一

JNC TN9410 2004-017, 170 Pages, 2004/08

JNC-TN9410-2004-017.pdf:18.93MB

「常陽」のMK-III計画では、2000年10月から本格的な冷却系改造工事が実施され、総合機能試験を経て、2003年6月から設計性能の確認及び照射炉としての基本特性の確認を目的に、性能試験が実施された。性能試験は、全体で28項目の試験が実施され、この内、放射線管理課は、空間線量率分布、放射線管理、廃ガス濃度測定の3項目を担当した。放射線管理課が担当した性能試験は、2003年6月27日の原子炉起動前から開始し、原子炉熱出力が約40MWt、約70MWt、約105MWt、約125MWt、定格熱出力(140MWt)の状態で実施した。放射線管理課が担当した使用前検査については、原子炉運転中及び停止中の線量率測定検査、放射性物質濃度測定検査、処理能力検査を担当し、2003年11月27日に最終検査である原子炉停止中の線量率測定検査を受検し、合格をもって全ての試験が終了した。性能試験で得られた主な結果は以下の通りである。1)全ての試験項目について、判定基準以下であることが確認できた。2)空間線量率測定、放射線管理で得られたデータについては、全体的にMK-II運転時と比べて低い値であることが確認できた。今回の性能試験では、全ての試験項目について判定基準以下であることが確認できたが、これから状況が変化する可能性もあることから、今後も今回の試験項目について適宜確認していく必要があると考える。

口頭

Generating observation guided ensembles for data assimilation with denosing diffusion probabilistic model

朝比 祐一; 長谷川 雄太; 小野寺 直幸; 下川辺 隆史*; 芝 隼人*; 井戸村 泰宏

no journal, , 

拡散モデルによって生成した擬似アンサンブルを利用するデータ同化手法を開発した。拡散モデルはノイズがあり、かつ疎な観測データから元となるシミュレーションデータを再現するように訓練した。このモデルは、シミュレーションと観測データが異なるパラメータに基づく場合のデータ同化精度で従来手法を上回った。

4 件中 1件目~4件目を表示
  • 1