サロゲートモデル

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。

CAEシミュレーションとは?

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シミュレーションの問題点

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シミュレーションの問題点への対応

CAEシミュレーションへの課題に対応するために、CAE解析(シミュレーション) をAIモデルに置換える「代理モデル(サロゲートモデル)」という考えがでてきました。

代理モデルにより、CAEシミュレーションの問題点に対応できます。、
・AIが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。
・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。

今までのCAEと2次元AIによる代理モデルの比較

2次元AIによる代理モデルの問題点

代理モデルにより、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、2次元AIによる代理モデルには以下のような問題点もあります。

・設計現場では2次元データではなく、3次元データを扱うのが主流になっており、既存の3次元データを流用できない。
・3次元の物体を2次元のデータでAIに学習させても、AIの評価の精度が悪い。
・AIに学習させるには新たに2次元データを作成する必要がある。 また3次元の物体を多面的に撮影等を行い2次元データにするため、大量の学習データが必要になる。

2次元AIによる代理モデルの問題点への対応

2次元AIによる代理モデルの問題点に対応するには、2次元AIの代理モデルではなく、3次元データを扱える3次元AIの代理モデルが必要です。

・3次元の物体を3次元のデータでAIに学習させるため、AIの評価の精度が高い。
・既存の3次元データを活用できるため、新たに2次元のデータを用意する必要がない。

ただし、AI(ディープラーニング)の世界では3次元データを扱うことが難しいのが現状です。

3次元AIの代理モデルを実現するには、3次元メッシュを畳み込む技術(3次元メッシュ用CNN)が必須です。

この3次元メッシュ用CNNを、現時点で実際に提供しているのは弊社以外に見当たりません。

3次元メッシュ用CNNの技術を利用して、3Dデータのクラス分けが行える3D形状分類、2つの3Dデータを合成して新しい3D形状をデザインする3D新形状合成、3Dデータの形状・サイズでマッチングを行える3D類似性判断の技術を世界に先駆けて実現しております。
さらに、3次元メッシュ用CNNの技術を応用して、世界に先駆けた3次元AIによる代理モデルを日々研究開発しております。

2次元AIによる代理モデルと3次元AIによる代理モデルの比較

3次元AIによる代理モデルのための準備

まとめ

•代理モデルを利用すれば、CAEシミュレーションの問題点を解決できる。さらに、CAEシミュレーションの限界も突破することができる。

•AIは2次元データが中心で、3次元データはほんとど扱われていない。3次元代理モデルを実現できれば、より正確で、精度の高いシミュレーションを実現できる。

•3次元代理モデルを実現するには、3次元メッシュを畳み込む技術(3次元メッシュ用CNN)が必須であり、この3次元メッシュ用CNNを現時点で実際に提供しているのは弊社のみである。