分野融合 特定研究 2
り、ここではモード数と再構成誤差のトレードオフを解析してパラメータを決定した。その結果、計測 データは 7 つの DMD モードに分解された。そのうちの 3 モードを図 1 (b)(c)(d)に示す。(b)のモード はドリフト波（周方向伝播構造）を示している。(c)のモードでは、特定の周方向において大きい振幅が 確認された。さらに、スライディングウィンドウ解析からは、その大きい振幅を示す周方向が変化して いく様子が確認され、周方向バンチング構造との関連が示唆された。これらの構造は、先行研究で報告 されていたストリーマー構造の特徴と整合している。また、(d)のモードは 1ms 以下の時間スケールで の減衰構造を示しており、乱流を通した非線形なエネルギー輸送による過渡的な励起との関連が示唆さ れた。
図 1 (a) 計測パターン、 (b)(c)(d) DMD により抽出された特徴的パターン。
4. おわりに
本研究では、実験室プラズマの時空間データに SP-DMD を適用した。その結果、ドリフト波構造・
周方向バンチング構造・短時間スケール構造といった特徴的構造の抽出に成功し、ストリーマー構造を 捉えるとこができた。今後は、半導体材料プロセスにおける相界面現象の時空間データ（ステップダイ ナミクス等）に対しても DMD 解析の適用を進める。また一方で、本解析では一定の成果が得られたが、
DMD は非線形な隠れ状態の発展に対して、その観測量に線形遷移の仮定を課している。これは強い仮 定であり、高い非線形性をもつ対象や状況によっては不適切である。そこで現在、線形遷移の仮定を課 さない時空間データ解析手法の開発を進めている。
5. 研究成果報告
発表論文
[1] Sparsity-Promoting Dynamic Mode Decomposition of Plasma Turbulence, Akira Kusaba, Tetsuji Kuboyama, Shigeru Inagaki, Plasma and Fusion Research 15 1301001 2020 年 1 月
学会発表
[2] DMD 法を用いた PANTA プラズマ乱流データの非定常解析，草場彰，NIFS 共同研究（研究会）
「プラズマの複雑現象を対象としたデータマイニングの活用」 2019 年 12 月 12 日
[3] スパース動的モード分解によるプラズマ乱流データの解析，草場彰, 久保山哲二, 寒川義裕, 稲垣滋，
第 36 回プラズマ・核融合学会年会 2019 年 12 月 1 日
[4] 動的モード分解におけるモード数低減手法の実験的比較，草場彰, 久保山哲二，人工知能学会第 110 回人工知能基本問題研究会 2019 年 9 月 24 日
[5] プラズマ乱流データの動的モード分解，草場彰，NIFS 共同研究（研究会）「プラズマインフォマテ
ィクス研究会」 2019 年 9 月 18 日
6. 研究組織
研究代表者 久保山 哲二 学習院大学・教授 研究協力者 草場 彰 学習院大学・PD 研究協力者 稲垣 滋 応用力学研究所・教授 所内世話人 寒川 義裕 応用力学研究所・教授