MeshFT-Net

MeshFT-Netは、メッシュベースの物理シミュレーションにおいて、メッシュの接続関係を示す「トポロジー構造」と、物質の応答やエネルギー散逸を示す「メトリック構造」を明確に分離して扱う新しいニューラルシミュレータです。従来のニューラルシミュレータはこれらを混同して学習するため、長期的なシミュレーションにおいてエネルギーが逸脱したり、非物理的な挙動を示したりする課題がありました。MeshFT-Netは、Mesh Field Theory（MeshFT）により証明されたポート・ハミルトニアン分解をニューラルネットワークに応用しています。具体的には、メッシュの接続関係からなる保存的なトポロジー構造を符号付き接続作用素として固定し、物質応答や散逸などのメトリック構造のみをデータから学習します。この「トポロジーを固定し、メトリックのみを学習する」という設計により、物理法則に極めて忠実で、長期間でも安定したシミュレーションを実現しています。

• 

  
  

参考⽂献

• Satoshi Noguchi and Yoshinobu Kawahara, Mesh Field Theory: Port-Hamiltonian Formulation of Mesh-Based Physics, Proceedings of International Conference on Machine Learning (ICML 2026).
  https://icml.cc/virtual/2026/poster/64530
  https://www.jamstec.go.jp/j/about/press_release/20260702_2/
  https://github.com/noguchisatoshi/MeshFT-Net
  https://arxiv.org/abs/2605.00394

お問い合わせ先

Email : satoshin[at]jamstec.go.jp
※お問い合わせの際は、[at]をアットマークに変えてください。