複雑な平面形状の河川では，数値計算やデータ同化で一般座標が頻用されるが，格子由来の誤差が問題となる．本研究では，格子生成が不要なPhysics-informed neural networks(PINNs)を漸縮水路と蛇行水路の流れに適用し，妥当性と課題を検討した．PINNsの推定と同一条件の数値計算を比較した結果，非直線水路で水深・流速分布の良好な一致を確認した．漸縮水路ではスペクトルバイアスにより流速が過小推定され，連続式を満たすため水深が過大となる誤差が生じた．蛇行水路の砂州の上流端では，境界条件の流量フラックスを満たすため流速が過大となった．また，複数のPINNsモデルをアンサンブル的に用いることで再現性のある推定を確認した．PINNsは非直線形状水路の流れに有効だが，高周波数成分の学習や損失設計の重要性が示唆された．
OHARA et al. (2026) studied this question.