AI×CAEの活動を行っている弊社は、サロゲートモデルについても調査・研究しております。ここではいくつかのトピックについてご紹介いたします。
ご紹介する内容は、ダウンロードしていただくこともできます。
資料ダウンロードはこちらからどうぞ。
また、サロゲートモデルをFEM解析結果と比較検証した結果については、検証結果をご覧ください。
CAEとは、Computer Aided Engineeringの略で、主に製品設計の段階で、製品の外力・熱・流体・電磁波など製品に影響する性能を、コンピュータを利用してシミュレーションし、製品設計・評価のコストを下げ、効率を上げる手法の事をいいます。
CAEシミュレーションには、以下のような利点があります。
・実物を利用して実験する場合に比べて、コスト・効率が良いだけでなく、実物がない場合でも設計・評価が可能になる。
・近年のPCの処理速度の発展によりCAEの適用範囲が広がり、時間も短縮できる。
CAEの適用範囲が広がり、シミュレーションにより高い精度やより時間の短縮が追求されるようになってきました。
そのため、CAEシミュレーションには以下のような問題がでてきました。
→検討内容が複雑化し、１から計算を行うシミュレーションでは、 ますますシミュレーション時間が過大になる問題が発生した。
→CAEシミュレーションの手法がより複雑化したため、ソフトウェア・ハードウェアの高騰、専門技術者の不足、教育コストの増加などが発生してきた。またソフトウェアの保守費も高騰してきた。
CAEシミュレーションへの課題に対応するために、CAE解析をAIモデルに置換えるサロゲートモデル（代理モデル）という考えが提案されました。
サロゲートモデルにより、CAEシミュレーションの問題点に対応できます。
・分析時間の短縮 : AIは１から解析計算しないため、解析実行時の時間を格段に短くできます。
～AIモデルの学習には時間がかかるが、AIモデルの評価の時間が短縮
できます。またAIモデルの学習は、人手を介さずに行うことができます。
・使いやすさ : AIの専門的な知識が不要で、簡単に利用できます。
～AIモデルの学習には専門的な知識が必要だが、AIモデルの評価には専門的
な知識は不要です。
サロゲートモデルにより、CAEシミュレーションの問題点に対応できる部分はありますが、2D AIによるサロゲートモデルには以下のような問題点もあります。
これらの問題点に対応するには、2D AIのサロゲートモデルではなく、3Dデータを扱える3D AIのサロゲートモデルが必要です。
ただし、AI（ディープラーニング）の世界で3Dデータを扱うには、3Dメッシュ用の畳み込みニューラル ネットワーク (CNN)、グラフ畳み込みネットワーク (GCN)、トランスフォーマー 、物理学に基づくニューラル ネットワーク (PINNs) などの技術が、必要不可欠です。
現在、弊社は 3Dメッシュにこの高度な技術を提供する数少ない企業の一つであり、3D AIの応用における世界の先駆者です。これらの技術により、弊社は以下の画期的なアプリケーションを開発しています。
さらに、3Dメッシュ用CNNの技術を応用して、世界に先駆けた3D AIによるサロゲートモデルを日々研究開発しております。
