h-リファインメント（メッシュ細分化）

h-リファインメントの理論基礎

h・p・r——3つのリファインメントの使い分け

メッシュ由来の離散化誤差を下げる手段は3系統あります。h-リファインメントは要素サイズ \( h \) を小さくする（要素を増やす）方法、p-リファインメントは要素の多項式次数を上げる方法、r-リファインメントは要素数を変えずに節点配置を最適化する方法です。このうちhは、どんな要素タイプ・どんなソルバーでも使える最も汎用的な経路で、メッシュ収束性検証（GCI等）の土台でもあります。

先験的誤差評価と収束次数

解が十分滑らかなとき、次数 \( k \) の要素（1次要素なら \( k=1 \)）による有限要素解の誤差は

$$ \| u - u_h \|_{E} \le C\, h^{k}, \qquad \| u - u_h \|_{L^2} \le C\, h^{k+1} $$

と評価されます（\( \|\cdot\|_E \) はエネルギーノルム）。つまり1次要素ではひずみ・応力は \( O(h) \)、変位は \( O(h^2) \)、2次要素ではそれぞれ \( O(h^2) \)・\( O(h^3) \) で減ります。変位が先に収束し応力が遅れて収束するのはこの次数差の帰結で、「変位はもう変わらないのに応力がまだ動く」のは異常ではありません。

特異点による収束率の制限

この綺麗な収束は解の滑らかさが前提です。入隅（re-entrant corner）・点荷重・点拘束・材料界面の角には応力特異性があり、解の正則性が \( u \sim r^{\lambda} \)（\( \lambda < 1 \)）に落ちます。すると一様細分の収束率は要素次数によらず \( \min(k, \lambda) \) に制限され、高次要素を使っても・どれだけ細分しても、特異点近傍の応力値は収束しません。この場合の正しい選択は、①特異点を丸め（実形状のフィレットを入れる）、②評価点を特異点から離す、③特異点周りに向けた適応細分＋外挿で扱う、のいずれかです。h-リファインメントの限界を知ることが、正しく使う第一歩です。

細分化の数値手法

一様細分と局所細分

一様細分は全要素を等分割する方法で、収束性検証（GCI・Richardson外挿）に最適な系統的系列を作れます。コストは3次元で1段あたり要素数8倍。局所細分は誤差の大きい領域だけを細分する方法で、実用解析の主力です。局所細分の実装には主に2方式があります。

• 要素分割型 — 既存要素を分割（四分木/八分木、red-green分割、二分割法）。分割で生じる隣接要素との節点不整合は、ハンギングノード拘束または遷移要素で処理
• リメッシュ型 — サイズ場（サイズマップ）を更新して領域全体を切り直す。要素品質を保ちやすいが、解のマッピングが必要な非線形・時刻歴問題では履歴の移送誤差に注意

いずれの方式でも、細分後の新しい境界節点は元のCAD形状に再投影する必要があります。粗メッシュの折れ線形状のまま細分すると、形状誤差が離散化誤差の低減を頭打ちにします（円孔の応力集中係数が理論値に収束しない典型原因）。

適応的h-リファインメントのループ

適応細分は「解く→誤差を推定→マークする→細分する」の反復です。

1. SOLVE — 現メッシュで解を計算
2. ESTIMATE — 要素ごとの誤差指標を計算。応力回復型（Zienkiewicz-Zhuの超収束パッチ回復：平滑化応力と要素応力の差）と残差型が代表
3. MARK — 誤差の大きい要素を選択（誤差合計の一定割合を占める要素集合を選ぶDörflerマーキング等）
4. REFINE — マークした要素を分割し、次の反復へ

終了判定は「推定誤差が目標以下」または「目的量の変化が許容以下」です。誤差指標は推定であって厳密値ではないため、最終メッシュでの収束性確認（もう1段細分して目的量の変化を見る）は省略できません。

CFD境界層メッシュの細分は等方細分ではない

壁面境界層の解像は法線方向の第1層厚さ（\( y^+ \)）と成長率で管理されており、等方的な一様細分はこの設計を壊します。境界層の細分は「第1層厚さを保ったまま層数を増やす」「成長率を下げる」という異方的な操作で行い、\( y^+ \) の分布を細分前後で確認します。壁関数を使う場合は \( y^+ \) を細分で30未満に下げてしまうと壁関数の適用条件を破る——細分すると悪化するケースがあるのがCFDの落とし穴です。

実務適用の指針

どこを細分するかの目安

系統的な細分系列の作り方

収束性検証に使う系列は「同じ設計思想のまま全体を等倍率で細かくした」メッシュ群であるべきです。実務での作り方は2通りあります。①グローバルサイズと局所サイズを同じ倍率（推奨1.5〜2倍）で同時に縮める、②一様分割機能で機械的に細分する。避けるべきは「粗メッシュは自動、細メッシュは手動調整」のような系列で、これは細分比が場所ごとにバラバラになり、観測次数が意味を失います。各水準で要素品質指標（歪み・ヤコビアン）の分布も確認し、細分で品質が劣化していないことを添えます。

コストの見積りと打ち切りライン

3次元の一様細分は1段で要素数8倍・直接法ソルバーの計算量はそれ以上に増えます。「もう1段細かくできない」状況は普通に起きるため、局所細分で評価部位だけ系列を作る（サブモデリングの併用を含む）のが実務解です。粗い全体モデルから変位境界条件を切り出し、詳細メッシュのサブモデルで応力評価部を解けば、全体を細分せずに評価部の収束性を確認できます。サブモデル境界が応力勾配の強い場所にかかっていないこと（境界を動かして結果が変わらないこと)の確認までがワンセットです。

主要ツールの細分化機能

ツール別の対応状況

自動適応機能を使うときの検証ポイント

先端研究の動向

ゴール指向（随伴ベース）適応

従来の誤差指標は「解全体のエネルギーノルム誤差」を下げるように細分しますが、実務で欲しいのは「揚力係数」「特定点の応力」など目的量の誤差です。随伴（adjoint）問題を解いて目的量への感度で誤差を重み付けするDWR（dual-weighted residual）法は、目的量あたりの精度を最小の要素数で達成する枠組みとして、CFD分野（特に空力係数の格子収束）で実装が進んでいます。目的と関係ない渦を細分し続ける無駄が原理的に避けられるのが利点です。

hp適応と指数収束

滑らかな領域ではpを上げ、特異点近傍ではhを幾何級数的に細分するhp適応は、特異性があっても自由度数に対して指数的な誤差収束を達成できることが理論的に知られています。実装の複雑さから汎用商用コードへの浸透は部分的ですが、スペクトル要素系・高次DG（不連続ガレルキン）系ソルバーの発展とともに、高精度計算の標準手法になりつつあります。

機械学習との融合

適応ループの「ESTIMATE→MARK」を学習モデルで置き換える研究が活発です。粗メッシュの解から最適サイズ場を直接予測するモデル、強化学習で細分方策を学ぶアプローチなどが報告されており、適応反復の回数（=ソルバー実行回数）を削減できます。ただし学習ベースのサイズ場は保証を持たないため、最終メッシュでの古典的な収束性確認を置き換えるものではない——この整理は感度分析やサロゲート同様、ML×CAE全般に共通します。

トラブル対応

症状別の原因と対策

「細分化すべきか」を最初に問う

関連記事：GCI（3メッシュ法）の適用手順、MMSによるコード検証、ソルバー収束の確認と診断。