by , , 堤 誠司,
Abstract:
人工衛星の熱設計において、搭載機器の温度を正確に予測するためには精度の良い熱数学モデルの構築が重要である。しかし、現在は熱数学モデルのパラメータを熱真空試験の結果に基づいて手動で調整しており、時間やコストがかかっている。本研究では深層学習によるシミュレーションに基づく推論(simulation-based inference; SBI)を活用してパラメータを自動調整し、精度向上や効率化を目指す。深層学習によるSBIとは、事前分布からサンプリングしたパラメータと、シミュレーションによって生成されたデータから深層生成モデルを学習し、尤度計算を行うことなく、観測データを再現するようなパラメータを推定する手法である。複雑で非線形なモデルにも対応することができる。また、パラメータの事後分布を推定するため、不確実性の定量的評価が可能になる。小型衛星モデルを使用した数値実験を行うことにより、この手法の有効性を検証することができた。
Reference:
渡邉 由羽, 武石 直也, 堤 誠司, 矢入 健久:深層学習による人工衛星熱数学モデルのパラメータ推論, In 第39回人工知能学会全国大会 (JSAI), 大阪, 2025.
Bibtex Entry:
@conference{watanabeJSAI2024,
title = {深層学習による人工衛星熱数学モデルのパラメータ推論},
author = {由羽 渡邉 and 直也 武石 and 誠司 堤 and 健久 矢入},
labauthor = {由羽 渡邉 and 直也 武石 and 健久 矢入},
url = {https://confit.atlas.jp/guide/event/jsai2025/subject/4F1-OS-30a-05/advanced},
year = {2025},
abstract = {人工衛星の熱設計において、搭載機器の温度を正確に予測するためには精度の良い熱数学モデルの構築が重要である。しかし、現在は熱数学モデルのパラメータを熱真空試験の結果に基づいて手動で調整しており、時間やコストがかかっている。本研究では深層学習によるシミュレーションに基づく推論(simulation-based inference; SBI)を活用してパラメータを自動調整し、精度向上や効率化を目指す。深層学習によるSBIとは、事前分布からサンプリングしたパラメータと、シミュレーションによって生成されたデータから深層生成モデルを学習し、尤度計算を行うことなく、観測データを再現するようなパラメータを推定する手法である。複雑で非線形なモデルにも対応することができる。また、パラメータの事後分布を推定するため、不確実性の定量的評価が可能になる。小型衛星モデルを使用した数値実験を行うことにより、この手法の有効性を検証することができた。},
booktitle = {第39回人工知能学会全国大会 (JSAI), 大阪},
lang = {ja}
}