ChatGPTを使ってAIに数値流体解析(CFD)のプログラミングをお願いする

2022年末ごろから、ChatGPTが便利だと話題になっています。

今回は、ChatGPTにお願いしてCFDのプログラミングをやってもらいました。

ChatGPTとは
ChatGPTはプログラム生成にも使える
chatGPTを使って数値流体解析
ChatGPTの回答
可視化機能の追加
人間がプログラミングすることは無くなる？

ChatGPTとは

ChatGPTはOpenAIによってトレーニングされた大型の言語モデルです。ChatGPTは人工知能を使ってテキストデータを生成することができます。

ユーザーが入力したテキストに基づいて、ChatGPTは最も適切な返答を生成します。ChatGPTは多様なタスク（FAQの回答、文書生成、文章の生成など）に使用されており、APIを介してアプリケーションやウェブサイトと統合することができます。

ChatGPTはプログラム生成にも使える

ChatGPTは拡張可能な技術であり、新しいデータセットをトレーニングすることによって、専門分野のタスクに特化することができます。

ChatGPTはコードの構造やプログラミング言語の知識を持っているため、コードを生成するタスクにも利用できます。また、開発者が新しいトレーニングデータを与えることによって、ChatGPTを特定のタスクや言語に特化させることもできます。

しかし、ChatGPTが生成するコードの信頼性や実行可能性は保証されていないため、開発者は生成されたコードを適切なテストとレビューが必要です。

chatGPTを使って数値流体解析

Pythonを使った数値流体解析は「Pythonで学ぶ流体力学の数値計算法」という書籍もあり、私も過去に独学で勉強していました。

一方で、ChatGPTが自動でプログラムを生成してくれるのであれば、Pythonプログラムを学ばなくても、アイデアだけ与えて生成すればよいのではないか、という思いに至ります。

「20×20の2次元格子について、有限体積法で流速分布を計算するプログラムをpythonで書いてください」と注文すると、以下のような回答が返ってきます。

ChatGPTの回答

以下は有限体積法を用いて20×20の流速分布を計算するプログラムの例です。

import numpy as np

# 格子数
nx = 20
ny = 20

# 格子間隔
dx = 1.0
dy = 1.0

# 流速ベクトル
u = np.zeros((nx, ny))
v = np.zeros((nx, ny))

# 境界条件
u[:, 0] = 1.0  # 左端は固定流速
v[0, :] = 0.0  # 上端は固定流速

# 有限体積法計算
for i in range(1, nx-1):
    for j in range(1, ny-1):
        u[i, j] = (u[i-1, j] + u[i+1, j]) / 2.0 - (v[i, j+1] - v[i, j-1]) / (2.0 * dx)
        v[i, j] = (v[i, j-1] + v[i, j+1]) / 2.0 - (u[i+1, j] - u[i-1, j]) / (2.0 * dy)

# 結果の出力
print("u:")
print(u)
print("v:")
print(v)

実行すると、uとvの2次元配列に流速分布が出力されます。

可視化機能の追加

結果の配列だけ見ても何か分からないので、可視化の機能を追加します。

「先ほどのプログラムの出力結果をmatplotlibで可視化する機能を追加してください」とリクエストして、出力結果を可視化する機能を付けてもらいました。

import numpy as np
import matplotlib.pyplot as plt

# 格子数
nx = 20
ny = 20

# 格子間隔
dx = 1.0
dy = 1.0

# 流速ベクトル
u = np.zeros((nx, ny))
v = np.zeros((nx, ny))

# 境界条件
u[:, 0] = 1.0  # 左端は固定流速
v[0, :] = 0.0  # 上端は固定流速

# 有限体積法計算
for i in range(1, nx-1):
    for j in range(1, ny-1):
        u[i, j] = (u[i-1, j] + u[i+1, j]) / 2.0 - (v[i, j+1] - v[i, j-1]) / (2.0 * dx)
        v[i, j] = (v[i, j-1] + v[i, j+1]) / 2.0 - (u[i+1, j] - u[i-1, j]) / (2.0 * dy)

# 可視化
x = np.linspace(0, nx*dx, nx)
y = np.linspace(0, ny*dy, ny)
X, Y = np.meshgrid(x, y)

plt.quiver(X, Y, u, v)
plt.xlabel("X")
plt.ylabel("Y")
plt.title("Flow Distribution")
plt.show()