Mitsume Naoto
- Conference, etc.
- 物理現象の特性を反映させたグラフニューラルネットワークによる物理シ ミュレーションの高速化
堀江正信; 森田直樹; 三目 直登
JSIAM 数理設計部会・研究集会/2021-12--2021-12 - 複雑複合現象の並列数値解析とコンポーネント化戦略
三目 直登; 森田直樹; 堀江正信
JFCA シミュレー ションスクール/2021-7--2021-7 - Numerical Study on Damage of Tsunami Evacuation Building under Tidal Wave and Debris Impact,
Omura H.; Mitsume N.; Asai M.; Isobe D.
15thWorld Congress on Computational Mechanics (WCCM 2022)/2022--2022 - S-Version of Finite Element Method Using B-Spline Basis Function for FSI Analysis
Magome N.; Mitsume N.
15thWorld Congress on Computational Mechanics (WCCM 2022)/2022--2022 - Impulse-based DEM for Boosting Simulations of Particulate Materials
Shioiri K.; Omura H.; Asai M.; Mitsume N.
15thWorld Congress on Computational Mechanics (WCCM 2022)/2022--2022 - Learning Mesh-Based Simulations using Graph Neural Networks with Physical Symmetries
Horie M.; Morita N.; Mitsume. N.
15thWorld Congress on Computational Mechanics (WCCM 2022)/2022--2022 - Moving Particle Semi-implicit/Simulation Method with Bottom Boundary-Fitted Coordinate Transformation
Mitsume N.; Matsumoto K.; Imoto Y.; Asai M.
15thWorld Congress on Computational Mechanics (WCCM 2022)/2022--2022 - Implementation of an S-version Finite Element Method for Analyzing Elastic-Plastic Problems
Tu S.; Mitsume N.; Morita N.; Shibanuma K.
European Conference on Fracture 2022/2022--2022 - A Numerical Modelling Strategy for Accurately Simulating Dynamic Crack Propagation in a 3D Solid Based on S-version of Finite Element Method
Shibanuma K.; Kishi K.; He T.; Morita N.; Mitsume N.
European Conference on Fracture 2022/2022--2022 - Development of a Polygon Wall Boundary Model Considering Corner of Wall and Its Numerical Application to FSI
Omura H.; Mitsume N.; Asai M.; Isobe D.
VII International Conference on Particle-Based Methods (PARTICLES 2021)/2021--2021 - Graph Neural Network–Based Surrogate Models for Finite Element Analyses
Horie M.; Morita N.; Mitsume N.
Mechanistic Machine Learning and Digital Twins for Computational Science, Engineering & Technology (MMLDT-CSET 2021)/2021-9-26--2021-9-29 - Isometric Transformation Invariant and Equivariant Graph Convolutional Networks
Horie M.; Morita N.; Hishinuma T.; Ihara Y.; Mitsume. N.
In International Conference on Learning Representations (ICLR)/2021-5 - 重合メッシュ法に基づく高精度・高効率を両立する3 次元亀裂解析手法の提案
森田直樹; 岸康太; 三目直登; 柴沼一樹.
第26回計算工学講演会/2021-5--2021-5 - 座標変換を利用した底面境界適合型粒子法の開発
松本久也; 井元佑介; 浅井光輝; 三目直登
第26回計算工学講演会/2021-5--2021-5 - グラフニューラルネットワークを用いた機械学習による有限要素解析の高速化
堀江正信; 森田直樹; 三目直登
第26回計算工学講演会/2021-5--2021-5 - Least Squares Moving Particle Semi-implicit 法による移流拡散方程式に対する風上スキーム の開発
田中克治; 三目 直登
第26回計算工学講演会/2021-5--2021-5 - 力積型個別要素法による粉体装置の数値解析
塩入一希; 浅井光輝; 三目直登
第26回計算工学講演会/2021-5--2021-5 - 波のマルチスケール・マルチフィジックス解析
三目 直登
第39 回計算数理工学フォーラム/2021-3--2021-3 - Graph convolutional network を用いたメッシュベース数値解析 の汎用的な学習
堀江正信; 森田直樹; 菱沼利彰; 井原遊; 三目直登
オープンCAE・FrontISTR 合同シンポジウム2020/2020-12--2020-12 - 流体構造連成解析と並列解析フレームワーク
三目 直登; 森田直樹
大阪大学MMDS モデリング部門主催 ワークショップ工学と数学の接点を求めて/2020-11--2020-11 - 合同変換不変性・同変性を持つGraph Convolutional Network に よる物理シミュレーションの汎用的な学習
堀江正信; 森田直樹; 菱沼利彰; 井原遊; 三目直登
第23 回情報論的機械学習ワークショップ/2020-11--2020-11 - Tuning of Macroscopic Traffic Flow Model Using Microscopic Model with Machine-Learning
Yoshimura S.; Okuyama R.; Uchida H.; Mitsume N.; Fujii. H.
Mechanistic Machine Learning and Digital Twins for Computa- tional Science, Engineering & Technology (MMLDT-CSET 2021)/2021-9--2021-9 - High-accuracy and high-efficiency 3D Crack Propagation Analysis Based onS-version Finite Element Strategy
Morita N.; Kishi K.; Mitsume N.; Shibanuma. K.
16th U.S. National Congress on Computational Mechanics (USNCCM 16)/2021-7--2021-7 - Particle-Based Free-Surface Flow Analysis with Bottom Boundary-Fitted Coordinate Transformation
Mitsume N.; Matsumoto K.; Imoto Y.; Asai M.
16th U.S. National Congress on Computational Mechanics (USNCCM 16)/2021-7--2021-7 - Numerical study on the feedback control of fluid-structure- interaction induced vibration.
Kaneko S.; Mitsume N.; Yamada T.; Yoshimura. S.
14th World Congress on Computational Mechanics (WCCM2020)/2021-1--2021-1 - more...
- 物理現象の特性を反映させたグラフニューラルネットワークによる物理シ ミュレーションの高速化