内容

目次

第1章　シングルフェーズフィールドモデル 　1.1　共通理論 　　1.1.1　秩序変数 　　1.1.2　全自由エネルギー 　　1.1.3　時間発展方程式の一般形の導出 　　1.1.4　アレン–カーン方程式を用いたフェーズフィールドモデル 　　1.1.5　カーン–ヒリアード方程式を用いたフェーズフィールドモデル 　　1.1.6　パラメータと物性値の関係付け 　1.2　アレン–カーン方程式を用いたフェーズフィールドシミュレーション 　　1.2.1　有限差分法を用いたアレン–カーン方程式の離散化 　　1.2.2　有限差分法での Python プログラミング 　　1.2.3　スペクトル法を用いたアレン–カーン方程式の離散化 　　1.2.4　スペクトル法での Python プログラミング 　1.3　カーン–ヒリアード方程式を用いたフェーズフィールドシミュレーション 　　1.3.1　有限差分法を用いたカーン–ヒリアード方程式の離散化 　　1.3.2　有限差分法での Python プログラミング 　　1.3.3　スペクトル法を用いたカーン–ヒリアード方程式の離散化 　　1.3.4　スペクトル法での Python プログラミング 　1.4　純物質の凝固現象のフェーズフィールドモデル 　1.5　純物質の凝固現象のフェーズフィールドシミュレーション 　　1.5.1　有限差分法による純物質凝固モデルの離散化 　　1.5.2　有限差分法での Python プログラミング 　1.6　2 成分合金の凝固現象のフェーズフィールドモデル 　1.7　2 成分合金の凝固現象のフェーズフィールドシミュレーション 　　1.7.1　有限差分法による合金凝固モデルの離散化 　　1.7.2　有限差分法での Python プログラミング 　1.8　混相流のフェーズフィールド・格子ボルツマンシミュレーション 　　1.8.1　LBMの支配方程式 　　1.8.2　有限差分法による Python プログラミング 第2章　マルチフェーズフィールドモデル 　2.1　共通理論 　　2.1.1　秩序変数 　　2.1.2　全自由エネルギー 　　2.1.3　アレン–カーン方程式 　　2.1.4　パラメータと物性値の関係付け 　2.2　1 次元マルチフェーズフィールドモデルの Python プログラミング 　　2.2.1　有限差分法を用いた離散化 　　2.2.2　Python プログラミング 　2.3　2 次元マルチフェーズフィールドモデルの Python プログラミング 　　2.3.1　有限差分法を用いた離散化 　　2.3.2　Python プログラミング 第3章　データ同化の基礎とフェーズフィールド法への応用 　3.1　ベイズの定理とベイズ推論の基礎 　　3.1.1　ベイズの定理 　　3.1.2　ベイズ推論の基礎 　3.2　データ同化手法の種類 　3.3　状態空間モデル 　　3.3.1　システムモデル 　　3.3.2　観測モデル 　3.4　非逐次データ同化の基礎理論 　　3.4.1　最尤推定法 　　3.4.2　3 次元変分法（3DVar 法） 　　3.4.3　4 次元変分法（4DVar 法） 　　3.4.4　確率密度分布のアンサンブル近似 　　3.4.5　アンサンブル 4 次元変分法（En4DVar 法） 　3.5　逐次データ同化の基礎理論 　　3.5.1　カルマンフィルタ（KF） 　　3.5.2　アンサンブルカルマンフィルタ（EnKF） 　3.6　純物質凝固モデルへのEnKFの実装 　　3.6.1　双子実験（数値実験） 　　3.6.2　Python プログラミング 　　3.6.3　双子実験の結果 付録A　数値シミュレーションの基礎 　A.1　拡散方程式 　A.2　格子ボルツマン法(LBM) 付録B　数値計算法 　B.1　有限差分法 　B.2　有限差分法による拡散方程式の数値計算の Python プログラミング 　B.3　フーリエ変換を用いたスペクトル法 　B.4　スペクトル法による拡散方程式の数値計算の Python プログラミング 付録C　Google ColaboratoryとPyCudaを用いた GPU 計算 　C.1　GPU 計算の基礎 　C.2　拡散方程式の有限差分法による数値計算のPyCudaプログラミング 参考文献 あとがき 索引