DNS（直接数値シミュレーション）の基礎 — 先端技術と研究動向
Exascale DNSの時代
最先端のDNSはどのくらいの規模なんですか？
2024年時点で、世界最大級のDNSは以下の通りだ。
| 研究 | 格子点数 | $Re$ | 計算機 |
|---|---|---|---|
| チャネル流 ($Re_\tau = 10,000$) | 約1000億 | $Re_\tau = 10,000$ | Fugaku (RIKEN) |
| 等方乱流 ($Re_\lambda \sim 1300$) | 約2兆 | $Re_\lambda \sim 1300$ | Frontier (ORNL) |
| 翼型DNS ($Re_c = 400,000$) | 約100億 | $Re_c = 400,000$ | Fugaku |
Exascaleコンピュータ（$10^{18}$ FLOPS超）の登場により、これまで不可能だった高Reynolds数のDNSが実現可能になりつつある。ただし産業レベルの $Re \sim 10^7$ にはまだ数桁のギャップがある。
DNSとAIの融合
DNSデータをAIに活用する研究はどうなっていますか？
活発に進んでいる。主なアプローチを紹介しよう。
| アプローチ | 概要 | 代表的研究 |
|---|---|---|
| 乱流モデル改良 | DNS統計量でRANSモデルを較正 | Duraisamy et al. (2019) |
| 超解像 | 粗いLES→DNS級解像度を推定 | Fukami et al. (2019) |
| 流れ場予測 | 形状→流れ場のend-to-end予測 | Thuerey et al. (2020) |
| サロゲートモデル | DNSの代替としてNNで高速近似 | Geneva-Zabaras (2020) |
圧縮性DNS
圧縮性流体のDNSは非圧縮性と何が違いますか？
圧縮性DNSでは音波の解像も必要になるため、格子要件がさらに厳しくなる。音響CFL条件 $\Delta t < \Delta x / c$（$c$: 音速）が時間刻みを制約する。高マッハ数流れでは衝撃波の捕捉も必要で、数値スキームにより高い要求が課される。
DNSは「乱流の真理」を明らかにするツールであり、RANSやLESのモデル検証に不可欠な存在なんですね。計算機の発展とともに適用範囲が広がっていくのが楽しみです。
F1と空力の戦い
F1マシンは時速300kmで走ると、車重と同じくらいのダウンフォース（下向きの空力的な力）を発生します。つまり理論上、天井に貼り付けて走れる！ チームは数千CPU時間のCFDシミュレーションを毎週実行し、フロントウィングの角度を0.1°単位で最適化しています。F1はCAEの技術力がそのまま順位に直結する世界です。
先端技術を直感的に理解する
この分野の進化のイメージ
CFDの最先端は「天気予報の進化」に似ている。かつての天気予報（RANS）は平均的な傾向しか分からなかったが、最新の数値天気予報（LES/DNS）は個々の雲の動きまでシミュレーションできる。AIとの融合により「数秒で近似予測」も可能になりつつある。
なぜ先端技術が必要なのか — DNS（直接数値シミュレーション）の基礎の場合
従来手法でDNS（直接数値シミュレーション）の基礎を解析すると、計算時間・精度・適用範囲に限界がある。例えば、設計パラメータを100通り試したい場合、従来手法では100回の解析が必要だが、サロゲートモデルを使えば数回の解析結果から100通りの予測が可能になる。「全部試す」から「賢く推測する」への転換が先端技術の本質。
CFDメッシュの品質管理や乱流モデルの選定に悩む時間を、もっと創造的な設計作業に使えたら。 — Project NovaSolverはそんな実務者の声から生まれました。
Project NovaSolver — CAE実務の課題に向き合う研究開発
「DNS（直接数値シミュレーション）の基礎をもっと効率的に解析できないか？」——私たちは実務者の声に耳を傾け、既存ワークフローの改善を目指す次世代CAEプロジェクトに取り組んでいます。具体的な機能はまだ公開前ですが、開発の進捗をお届けします。
進捗通知を受け取る →