@techreport{oai:ipsj.ixsq.nii.ac.jp:00242236,
 author = {中, 直斗 and ライチェフ, ビセル and 上村, 匠 and 川口, 幹祐 and 小林, 謙太 and 植木, 善治 and 和田, 好隆 and 檜垣, 徹 and 金田, 和文 and Naoto, Naka and Bisser, Raytchev and Takumi, Uemura and Mikimasa, Kawaguchi and Kenta, Kobayashi and Yoshiharu, Ueki and Yoshitaka, Wada and Toru, Higaki and Kazufumi, Kaneda},
 issue = {10},
 month = {Jan},
 note = {現在，自動車の冷媒回路における物理量，使用電力・熱交換料の解析はComputer-Aided Engineering (CAE)のシミュレーションを用いて計算されている．CAEによる解析は高精度な結果を算出可能な一方で，計算コストが大きいため，様々な状況を想定したパラメータスタディーに向かないという問題を抱えている．本研究では，乗用車の冷媒回路における計算の時間的効率を改善するため，冷媒回路の制御値，中間物理量，使用電力・熱交換量のデータをもとに，物理量および使用電力・熱交換量を予測するDeepOTransformerとDeepOLSTMという2つの機械学習モデルを作成し，その性能を検証した．検証の結果，従来の物理シミュレーションよりも高速で予測が可能であり，さらにベースラインモデルと比較しても高精度な予測が達成されたことが示された．},
 title = {機械学習を用いた冷媒回路のサロゲートモデル化に関する研究},
 year = {2025}
}