研究者詳細

顔写真

ヤマナカ　ヨウスケ
山中　耀介
Yosuke Yamanaka
所属
大学院工学研究科　土木工学専攻　社会基盤構造学講座（構造強度学分野）
職名
助教
学位

  • 博士（工学） （東北大学）

e-Rad 研究者番号
71006286

経歴 4

  • 2026年4月 ～ 継続中
    東北大学　大学院工学研究科 土木工学専攻　助教

  • 2024年4月 ～ 2026年3月
    独立行政法人日本学術振興会　特別研究員（PD）

  • 2024年4月 ～ 2026年3月
    日本大学　生産工学部 機械工学科　研究員

  • 2022年4月 ～ 2024年3月
    独立行政法人日本学術振興会　特別研究員（DC2）

学歴 1

  • 東北大学　大学院工学研究科　土木工学専攻

    2021年4月 ～ 2024年3月

所属学協会 3

  • 土木学会

    2020年 ～ 継続中

  • 日本計算工学会

    2019年 ～ 継続中

  • 日本機械学会

    2024年 ～

研究キーワード 4

  • 連続体力学

  • 機械学習

  • マルチスケール解析

  • 均質化法

研究分野 1

  • 情報通信 / 計算科学 / 計算力学

受賞 5

  1. 2025年度博士論文賞

    2026年5月　日本計算工学会

  2. 第30回計算工学講演会 若手優秀講演フェロー表彰

    2025年11月　日本計算工学会　機械学習に基づく複合梁の弾塑性マルチスケール解析

  3. 第29回計算工学講演会 若手優秀講演フェロー表彰

    2024年11月　日本計算工学会　非深層学習手法を用いた代理均質化モデルによる粘塑性複合材料のマルチスケール解析

  4. 第24回応用力学シンポジウム 講演賞

    2021年10月　公益社団法人 土木学会（応用力学委員会）　熱硬化性樹脂の硬化と有限変形粘弾性の完全陰的熱・機械連成増分型変分法

  5. 工学研究科長賞

    2021年3月　東北大学 大学院 工学研究科

論文 9

  1. Surrogate Computational Homogenization Enhanced by Partition‐of‐Unity RBF Interpolation With Decision Trees

    Yosuke Yamanaka, Norio Hirayama, Kenjiro Terada

    International Journal for Numerical Methods in Engineering　127　(20)　2026年10月14日

    出版者・発行元： Wiley

    DOI： 10.1002/nme.70442 　

    ISSN：0029-5981

    eISSN：1097-0207

    詳細を見る 詳細を閉じる

    ABSTRACT This study enhances a framework of surrogate computational homogenization (SCH) using decision tree‐based partition‐of‐unity radial basis function (PU‐RBF) interpolation for three‐dimensional finite‐deformation two‐scale analysis. The method addresses the scalability limitation of global RBF interpolation for large numerical material test (NMT) datasets by partitioning the strain space into overlapping subdomains with a binary‐tree strategy and training local RBF interpolants blended by smooth partition‐of‐unity weights. This local‐global construction reduces training cost while preserving a continuously differentiable stress response, enabling consistent tangent evaluation in implicit finite element solvers. For hyperelastic composite unit‐cell problems, the SCH model is trained with datasets exceeding samples, reconstructs database responses with high fidelity, and reproduces ‐level trends in both macroscopic and localization analyses with improved computational efficiency. Because it is nonintrusive at the constitutive‐update level, the surrogate is straightforward to integrate into standard CAE workflows. The present model is interpolation‐based and therefore intended for deformation states covered by the training data.

  2. Surrogate Computational Homogenization of Viscoelastic Composites

    Yosuke Yamanaka, Norio Hirayama, Kenjiro Terada

    International Journal for Numerical Methods in Engineering　126　(6)　2025年3月18日

    出版者・発行元： Wiley

    DOI： 10.1002/nme.70008 　

    ISSN：0029-5981

    eISSN：1097-0207

    詳細を見る 詳細を閉じる

    ABSTRACT We establish a surrogate model for computational homogenization of composite materials consisting of multiple viscoelastic constituents. A surrogate macroscopic material is identified by performing interpolation using radial basis functions (RBFs) and cubic spline functions on a constitutive database generated by a series of microscopic analyses or, equivalently, numerical material tests (NMTs) on a unit cell to represent anisotropic stress relaxation behavior as well as its dependence on strain rate and temperature. After briefly reviewing the two‐scale boundary value problem derived based on homogenization theory, an RBF interpolation with a normalized kernel is formulated for a discrete dataset, and an optimization algorithm is applied to determine the three hyperparameters so as to achieve proper interpolation. Then, we formulate the surrogate homogenization model (SHM) using the interpolants to substitute for the macroscopic viscoelastic response. To show the specific procedure of the proposed surrogate modeling and demonstrate the performance of the created SHM, a representative numerical example is presented in the offline and online stages. In the offline stage, NMTs are carried out in the space of training data, including the temperature, to generate a dataset as long as the macroscopic stresses can be learned exhaustively, and then optimization is performed to determine the set of hyperparameters. Then, to validate the created SHM, its responses to unseen loading and temperature histories are compared with the corresponding NMT results. In the online stage, the created SHM is used to carry out a macroscopic analysis of a simple structure under specific loading and temperature conditions, and subsequently, the obtained macroscopic stresses are compared with those obtained from the localization analysis results. The results are also compared with those obtained from the single‐scale direct numerical analyses.

  3. Radial basis function-based surrogate computational homogenization for elastoplastic composites at finite strain

    Akari Nakamura, Yosuke Yamanaka, Reika Nomura, Shuji Moriguchi, Kenjiro Terada

    Computer Methods in Applied Mechanics and Engineering　436　117708-117708　2025年3月

    出版者・発行元： Elsevier BV

    DOI： 10.1016/j.cma.2024.117708 　

    ISSN：0045-7825

  4. Surrogate modeling for the homogenization of elastoplastic composites based on RBF interpolation

    Yosuke Yamanaka, Seishiro Matsubara, Norio Hirayama, Shuji Moriguchi, Kenjiro Terada

    Computer Methods in Applied Mechanics and Engineering　415　2023年10月1日

    DOI： 10.1016/j.cma.2023.116282 　

    ISSN：0045-7825

  5. A method of fully implicit coupled analyses for thermoset resin subjected to cure based on variationally consistent formulation for finite thermo-viscoelasticity

    Yosuke Yamanaka, Seishiro Matsubara, Shuji Moriguchi, Kenjiro Terada

    International Journal of Solids and Structures　268　2023年4月15日

    DOI： 10.1016/j.ijsolstr.2023.112161 　

    ISSN：0020-7683

  6. Surrogate Model-based Multiscale Analysis of Elastoplastic Composites with Nonperiodicity

    Akari Nakamura, Yosuke Yamanaka, Yuichi Shintaku, Norio Hirayama, Shuji Moriguchi, Kenjiro Terada

    Transactions of the Japan Society for Computational Engineering and Science　2023　2023年

    DOI： 10.11421/jsces.2023.20230008 　

    eISSN：1347-8826

  7. Thermo-mechanical coupled incremental variational formulation for thermosetting resins subjected to curing process

    Yosuke Yamanaka, Seishiro Matsubara, Risa Saito, Shuji Moriguchi, Kenjiro Terada

    International Journal of Solids and Structures　216　30-42　2021年5月1日

    DOI： 10.1016/j.ijsolstr.2021.01.014 　

    ISSN：0020-7683

  8. A decoupling scheme for two-scale finite thermoviscoelasticity with thermal and cure-induced deformations

    Risa Saito, Yosuke Yamanaka, Seishiro Matsubara, Tomonaga Okabe, Shuji Moriguchi, Kenjiro Terada

    International Journal for Numerical Methods in Engineering　122　(4)　1133-1166　2021年2月28日

    DOI： 10.1002/nme.6575 　

    ISSN：0029-5981

    eISSN：1097-0207

  9. Incremental variational formulation of time evolution of cure-degree along with viscoelasticity for thermosetting resins

    Yosuke Yamanaka, Seishiro Matsubara, Risa Saito, Shuji Moriguchi, Kenjiro Terada

    Transactions of the Japan Society for Computational Engineering and Science　2020　1　2020年

    DOI： 10.11421/jsces.2020.20200011 　

    eISSN：1347-8826

︎全件表示 ︎最初の5件までを表示

MISC 3

  1. 非深層学習の代理均質化モデルによる非線形複合材料の三次元有限変形マルチスケール解析—Three-Dimensional Multiscale Analysis Using RBF-Based Surrogate Homogenization Model at Finite Strain

    中村 明莉, 山中 耀介, 野村 怜佳, 森口 周二, 寺田 賢二郎

    計算工学講演会論文集 = Proceedings of the Conference on Computational Engineering and Science / 日本計算工学会 編　30　1075-1079　2025年6月

    出版者・発行元： 東京 : 日本計算工学会

  2. 非深層学習手法を用いた代理均質化モデルによる粘塑性複合材料のマルチスケール解析

    山中耀介, 森口周二, 寺田賢二郎

    計算工学講演会論文集(CD-ROM)　29　2024年

    ISSN： 1342-145X

  3. RBF補間を用いた代理均質化モデルによる非弾性複合材料の有限変形マルチスケール解析

    中村明莉, 山中耀介, 森口周二, 寺田賢二郎

    計算工学講演会論文集(CD-ROM)　29　2024年

    ISSN： 1342-145X

講演・口頭発表等 11

  1. 非線形CAEに対する統計的機械学習の適用 招待有り

    山中耀介

    非線形CAE協会 解析モデリング分科会 機械学習の基礎理論と実習　2026年9月30日

  2. 研究者招待講演2 招待有り

    山中 耀介

    JSCES 夏季学生講演会 2026　2026年9月7日

  3. RBF補間に基づく代理均質化モデルによる非線形マルチスケール解析 招待有り

    山中耀介

    第８回 インサイト・データサイエンスカンファレンス　2026年8月24日

  4. Surrogate Computational Homogenization for Three-Dimensional Two-Scale Problems Based on RBF Interpolation With Decision Tree

    Yosuke Yamanaka, Norio Hirayama, Kenjiro Terada

    WCCM-ECCOMAS 2026　2026年7月23日

  5. (キーノート講演) 分割型RBF補間に基づく代理均質化モデルをいた三次元有限変形マルチスケール解析

    山中耀介

    第31回計算工学講演会　2026年6月5日

  6. SURROGATE COMPUTATIONAL HOMOGENIZATION OF NONLINEAR COMPOSITE BEAM

    Yosuke YAMANAKA, Norio HIRAYAMA, Kenjiro TERADA

    COMPLAS 2025　2025年9月5日

  7. 機械学習に基づく 複合梁の弾塑性マルチスケール解析

    山中耀介, 平山紀夫, 寺田賢二郎

    第30回計算工学講演会　2025年6月6日

  8. 機械学習による弾塑性非均質梁のマルチスケール解析

    山中耀介, 平山紀夫, 寺田賢二郎

    第28回応用力学シンポジウム　2025年5月17日

  9. Surrogate computational homogenization for composites consisting of multiple viscoelastic materials with time-temperature superposition properties

    Yosuke Yamanaka, Shuji Moriguchi, Kenjiro Terada

    WCCM-PANACM 2024　2024年7月22日

  10. 非深層学習手法を用いた代理均質化モデルによる 粘塑性複合材料のマルチスケール解析

    山中 耀介, 森口 周二, 寺田 賢二郎

    第29回計算工学講演会　2024年6月10日

  11. Surrogate modeling for computational homogenization of viscoplastic composites

    Yosuke Yamanaka, Shuji Moriguchi, Kenjiro Terada

    19th European Mechanics of Materials Conference　2024年5月30日

︎全件表示 ︎最初の5件までを表示

共同研究・競争的資金等の研究課題 2

  1. データ駆動型マルチスケール解析と構成材料の分布推定によるCFRPの設計最適化

    山中 耀介

    2024年4月23日 ～ 2027年3月31日

  2. CFRPのプロダクトライフサイクル予測を可能にするマルチスケール計算科学の創生

    山中 耀介

    2023年3月8日 ～ 2024年3月31日

    詳細を見る 詳細を閉じる

    令和五年度は，複合材料の材料非線形性を考慮したデータ駆動型マルチスケール解析手法の開発を実施した． 複合材料の力学挙動を予測・評価するために開発された均質化法に基づくマルチスケール解析手法は，ミクロ構造の非均質性を反映して製品スケール（マクロスケール）の力学シミュレーションが可能である．しかし，従来の手法は計算コストの高さや定式化の難しさといった課題を抱えている．近年ではこれらの課題を克服するために，機械学習を取り入れたマルチスケール解析手法，すなわちデータ駆動型マルチスケール解析手法の研究が実施されている． 本研究の成果として，弾塑性，粘塑性，粘弾性といった，樹脂性複合材料にしばしば見られる材料非線形性を表現可能なマルチスケール解析手法の開発に成功した．これにより，本研究成果をより発展させ，実用化することでFRP製品の変形・強度特性評価が可能となることが期待される．また，これまでに開発した，樹脂の硬化の影響を考慮したFRP製品の熱・機械・化学連成シミュレーション手法と組み合わせることで，FRP製品の製造から使用状況までを一貫して解析することが可能である． 提案手法の特徴として，機械学習手法として非深層学習の一種であるRBF補間を使用した点が挙げられる．ニューラルネットに代表される深層学習と比べ，非深層学習モデルは学習プロセスが単純であり，また，得られたモデルの精度から教師データが十分であるか否かの検証も容易である．加えて，製品スケールの解析（マクロ解析）を実施する際に，従来使用されてきた有限要素法などのプログラムを侵食しないことも提案手法の特徴である．これらの特徴により，提案手法は汎用解析ソフトウェアにも容易に実装が可能であり，使用も比較的容易であるため，将来的には社会実装が期待される．