はじめに

流体は、高次元性、非線形性、マルチスケール性、および乱流などの特性により極めて複雑な運動を示す。流体運動は自由度が高く、流れの解析には時間と空間の両方を可能な限り高い解像度で捉える数値計算および実験手法が必要になる。近年の数値計算と実験手法の飛躍的な進歩が複雑な流れ運動を詳細に計測することを可能としている。一方、解析により得られるデータ量も大規模化しており、従来の可視化技術のみに頼ることはできない。膨大なデータから意味のある結果を得るには、流れ場データやナビエ・ストークス演算子から、流れ場の重要な情報をシステマチックに抽出する技術が必要である。

このような課題を解決する方法として、近年注目されている機械学習^{（1）～（4）}などのビッグデータを扱う解析技術が流体力学の分野で広く活用され始めている^{（5）（6）}。一見すると機械学習や人工知能（AI）の技術は流体力学になじみのないよう見えるかもしれないが、これらの技術の基本的な概念は流体解析の概念と似ているものが多い。これは伝統的な流体力学研究が、大規模計算や高度な計測技術を駆使して非常に大きなデータを取り扱ってきたためである。近年のデータ処理アルゴリズムや計算機性能の進歩は目覚ましく、斬新な解析法が次々に提案されている。特に、最新の機械学習手法は大規模化の一途をたどる流体データの解析に大いに役立つと思われる。本稿では、流体力学における機械学習の最近の応用例を紹介する。また、本特集には乱流に対する機械学習の応用例を紹介する別記事^（7）も掲載されているので、併せて参照されたい。

機械学習