概要

本リポジトリは AI4S の公開講座「AI4S-101 表征学习（表現学習）」の教材で、流体シミュレーションデータ（Re=100 の円柱まわりの渦度場）を対象に、Autoencoder（AE）と Variational Autoencoder（VAE）を使った低次元表現の学習と応用を示します。ノートブック形式で実験手順が記載され、データ生成・前処理スクリプト、実験用の Jupyter Notebook、講義スライド（PDF）を含み、圧縮・再構築・潜在空間での補間・異常検知の実践が可能です。

リポジトリの統計情報

スター数: 19
フォーク数: 2
ウォッチャー数: 19
コミット数: 5
ファイル数: 11
メインの言語: Jupyter Notebook

主な特徴

Re=100 の円柱まわり渦度場（Kármán Vortex Street）を対象とした実データ実験
Autoencoder と Variational Autoencoder の実装ノートブックを提供
圧縮（低次元化）、復元（再構築）、潜在空間での補間、異常検知までのワークフローを再現可能
データ生成・前処理スクリプトと依存関係ファイルにより再現性を重視

技術的なポイント

本プロジェクトは「空間場データ（渦度場）」に対する表現学習を教育目的で整理した点が特徴です。流体場は空間的に豊かな構造（渦、せん断層など）を持つため、畳み込みベースのオートエンコーダが自然に適用されやすく、局所的な特徴を抽出して低次元潜在変数へ圧縮できます。AE は決定論的に入力を潜在表現に写像し再構築することで、圧縮率と再構築誤差のトレードオフを学習させます。一方 VAE は潜在空間に確率分布（事前分布）を導入し、KL ダイバージェンスによる正則化で潜在空間の連続性と生成性を確保します。この特性により、潜在空間内での線形補間やランダムサンプリングが滑らかで物理的に意味のある場の変化を生み出します。

教材ノートブックはデータのダウンロードと前処理（generate_data.py）から始まり、時間発展する渦度場をフレームごとに正規化・整形してネットワーク入力とする流れを示します。評価は主に再構築誤差（L2 ノルム等）や可視化による定性的評価を用い、異常検知は再構築誤差の閾値や潜在表現の外れ値検出によって実装できます。教育的価値として、流体工学における還元秩序モデル（ROM）やデータ同化、制御・最適化への応用につながる基礎を実験的に体験できる設計になっています。拡張例として、潜在空間での時系列モデリング（RNN/Latent ODE）、物理情報を取り込む損失関数（物理損失）や敵対的訓練（GAN）との組合せも想定され、実務的な流体データ駆動モデリングに向けた踏み台となります。

プロジェクトの構成

主要なファイルとディレクトリ：

.gitignore: file
AI4S-101-表征学习-方榯楷.pdf: file
AI4S_Lesson1_Fluid_AE.ipynb: file
AI4S_Lesson1_Fluid_VAE.ipynb: file
README.md: file

…他 6 ファイル

まとめ

教育用としてまとまった流体場の表現学習リポジトリ。実験を通じて AE/VAE の応用と潜在空間性質を理解できる。

リポジトリ情報：

名前: AI4S-101
説明: AI4S-101 表征学习实操
スター数: 19
言語: Jupyter Notebook
URL: https://github.com/xuangu-fang/AI4S-101
オーナー: xuangu-fang
アバター: https://avatars.githubusercontent.com/u/22980546?v=4

READMEの抜粋：

AI4S 公开课 Lesson 1：流体场自编码器

AI4S-101 公开课 - 表征学习

PPT

本仓库实现基于自编码器 (Autoencoder) 的流体涡量场低维表征学习，使用 Re=100 圆柱绕流 数据展示卡门涡街 (Kármán Vortex Street) 的压缩、重构、插值与异常检测。

项目结构

AI4S-101/
├── README.md                    # 本说明文档
├── requirements.txt             # Python 依赖
├── generate_data.py             # 数据下载与预处理
├─...

AI4S-101：流体場の表現学習入門