レジェンドルニューラルネットワークとハイブリッド粒子群最適化による分数時間依存性のあるSutterby流体の非定常流の計算研究

驚くべき振る舞いを示す流体

ケチャップやヨーグルトから血液や高分子の溶融物まで、多くの日常的な物質は普通の水のようには流れません。撹拌すると固くなったり、圧力をかけると薄くなったりして、食品加工、プラスチック製造、医療機器などの技術で制御が難しくなります。本研究はこうした複雑な物質の一つであるSutterby流体に着目し、現実的な産業条件下でその運動をより正確に予測するために現代の人工知能ツールがどのように使えるかを示します。

なぜこの特異な流体が重要か

Sutterby流体は、攪拌や伸張の強さに応じてせん断薄化もせん断増粘も示す液体を表すモデルです。これらの物質は高分子製造、コーティング、潤滑剤、そして一部の生体流体に現れます。多くの応用では、流体が伸長する表面上を流れたり、板の間で絞られたり、フィルターのような多孔質材料を通過したりし、同時に磁場の影響を受けます。標準的な方程式でこの挙動を捉えるのは難しく、これは流体が過去の変形を「記憶」しており、現在の運動がその履歴にも依存するためです。

流体モデルに記憶性を導入する

著者らは、ギャップが拡大・収縮し下側の面が多孔質である板間を流れるSutterby流体の非定常運動を記述します。記憶効果は分数階時間導関数という数学的手法で表現され、単一の急峻な時間スケールではなく、過去の運動を徐々に考慮することを可能にします。さらに磁場の影響、多孔質媒質の抵抗、板の絞り作用も含めています。これにより、ギャップに沿った流速の変化を示すコンパクトな方程式と、流体が壁に付着し壁とともに移動する境界条件が得られます。

流れを解くためにニューラルネットワークを教える

従来の数値解法に頼る代わりに、チームはレジェンドル人工ニューラルネットワークを用います。これは応答を滑らかで数学的に良好な波形（基底）から構築する特殊なネットワークです。未知の速度分布はこれらの基底の和として表され、訓練過程でネットワークのパラメータが調整され、支配方程式と境界条件ができるだけ満たされるようにします。最適なパラメータを効率的に見つけるために、著者らは鳥の群れに着想を得た探索法の一群である粒子群最適化を使用し、過去のステップの記憶を持つバージョンや、それらを組み合わせたハイブリッドも導入しています。

制御変数が運動に与える影響

この構成で研究者らは系のさまざまなつまみが流れをどのように変えるかを調べます。分数階を増やすと記憶効果が強まり、チャネル全体で流体がより加速します。対照的に、多孔質表面からの透過抵抗が大きいと流れは遅くなり、板が近づく正の絞りは流速を低下させます。板が離れる負の絞りは運動を促進します。磁場が強まると速度プロファイルは上方に持ち上がる傾向があり、より速い流れを示します。これらの試験の全域でニューラルネットワークの解は安定しており、参照データとよく一致します。ハイブリッド最適化法は、標準的あるいは単独の分数型群最適化よりも一貫して誤差が小さい正確な解を見つけます。

現実的用途への示唆

本研究は、記憶性を持つ流体モデルと精巧に設計されたニューラルネットワークを組み合わせることで、現実的な状況下における複雑な液体の微妙な流動特性を捉えられることを示しています。ハイブリッドスワームで最適化されたレジェンドルネットワークは速やかに収束し、小さな予測誤差を維持し、多孔質抵抗、板の絞り、磁力による強い非線形性にも対処します。本研究は運動量のみを扱い、熱や化学的効果にはまだ踏み込んでいませんが、この手法は高分子溶液や先進潤滑剤、生体流体など単純な記述に収まらない流体を扱う設計者にとって柔軟なツールを提供します。

引用: Fatima, A., Asjad, M.I., Aslam, M.N. et al. Legendre neural network-based computational study through hybrid particle swarm optimization for fractional unsteady flow of Sutterby fluid. Sci Rep 16, 15285 (2026). https://doi.org/10.1038/s41598-026-45305-7

キーワード: Sutterby流体, 非ニュートン流, 分数モデル, ニューラルネットワーク, 粒子群最適化