流れ 2004年8月号 目次
― 特集：流体情報と融合研究 ―
｜ リンク一覧にもどる ｜ |
流体工学と知識工学
 名古屋大学 エコトピア科学研究機構 情報・通信科学研究部門 渡辺 崇 |
１．はじめに
流体工学の問題解決のために，解析ツールを利用するための知的支援機能をそなえたシステムの開発が進んでいる．一方で，特定の解析ツールを対象とするのではなく，流体工学問題を知識工学，人工知能の立場から解決しようとする試みも存在する．今回は，この後者の取り扱い方について触れてみたい．
２．オントロジ
数々の趨勢を経て，人工知能，知識工学が，実験的レベルから，より本格的立場へと，その姿を変えてきている．ここには，インターネットも含めた巨大データベースとして人間の知識を蓄え，活用しようとする動きもある．コンピュータに知識を理解させ，利用させる，そしてさらには，問題についての人間との共通認識をもたせるためには，コンピュータが扱える形で知識を表現する必要がある．しかし，ごく限られた狭い範囲の知識を，例えばFAQ的に表現するだけでは，その価値は低い．そこで，人間が持つ，概念と概念間の関係による知識を記述するためのプラットフォームとして，オントロジ (1)(2) が提唱されてきた．そして，生物学や法律，工学など，対象とする問題領域を比較的広く取り，その領域における問題解決のために必要な知識の表現形式，利用形式を定めることで，実用的なモデルも構築されてきている．
オントロジの考え方自体は，必ずしも新しいものではない．流体機械については，著者らは，ポンプ，曲がり管，ノズルや貯水タンクなどの装置（デバイス）を組み合わせた，管路系における流動問題を表現するための，デバイスベースのオントロジを提案した (3)．そこでは，各装置が持つ機能と，装置間の接続点で成り立つべき関係から，問題を支配する知識を，制約式の形で抽出する．図1に，貯水タンクから2系統の経路で流体が放出される，簡単な問題例を示す．モデル化した表現において，四角がデバイスであり，楕円がデバイスの接続界面での情報の流れ（IF: Information Flow）を表す．デバイス，IFともに，ローカルな問題解決機能を有しており，これらが結合することで，全体の問題の解決が進む設計である．
図1 デバイスモデルによる問題表現
３．流れの定性推論
異なった直径の円管が非連続的に接続されている管は，流れ方向により，急拡大管にも急縮小管にもなり，損失ヘッドの評価等が互いに異なってくる．このため，妥当な制約式を導くためには，定式化の前に，管路ネットワークにおける流れ方向を仮定する必要がある．
流れ方向仮定の設定プロセスを客観的なものにするために，流れ方向の確かさの指標として，拘束レベルを導入する (4)．拘束レベルAは，ポンプの吐出口からの流れなど，デバイス機能が持つ強制的な流れ方向，拘束レベルBは，分岐や合流管の節点を挟んで，拘束レベルＡを持つ閉区間と直接つながる閉区間における流れ方向，拘束レベルCは，2点の観測点における位置ヘッドの高低差が与える流れ方向，拘束レベルDは，既に拘束レベルが設定された区間の流れのために，引き込まれる，あるいは，押し出される結果により決定される流れ方向を示す確信度である．１本の管においても，流れには２方向あるため，ときには，複数の推論過程で決定される流れ方向が，反対向きになる場合がある．このようなときには，表１に従い，競合解消をはかる．
上記の流れ方向の決定の過程は，大小関係などの定性的な情報を用いた推論 (5) の一つである．また，境界層方程式の導出も，定性推論といえる．Yip (6)(7) は，流体力学における定性推論として，triple deck理論も含めた漸近近似モデルの推論過程や，馬蹄形渦などの整合構造を抽出する推論過程の解析を行っている．この研究は，流動現象を，系統的に理解，整理するための，新たなアプローチを与えるものと考えられる．
４．おわりに
オントロジ，定性推論は，近年，各方面で再認識されている．流体工学においても，膨大化するデータベースを対象とした，融合的研究が見られる．この種の研究のますますの発展を期待したい．
表1 流れ方向拘束レベルの競合解消
文献
(1) AI Magazine, Vol. 24, No. 3 (2003), Special Issue on Ontologies, American Association for Artificial Intelligence.
(2) 人工知能学会誌, 特集: 開発されたオントロジー, Vol. 19, No.2 (2004).
(3) 渡辺, 中村, 装置要素と要素間状態に注目した工学問題の表現と支配方程式の導出, 機械学会論文集 (C編), 57巻, 544号 (1991), 3839-3846.
(4) 日本機械学会編, フルードインフォマティクス, 技報堂出版 (刊行予定).
(5) AI Magazine, Vol. 24, No. 4, Special Issue on Qualitative Reasoning, American Association for Artificial Intelligence (2003).
(6) Yip, K., Model Simplification by Asymptotic Order of Magnitude Reasoning, Artificial Intelligence, Vol. 80 (1996), 309-348.
(7) Yip, K., Structural Inference from Massive Datasets, Proc. 15th International Joint Conference on Artificial Intelligence, (1997), 534-539.