3D サロゲートモデル - 株式会社アストライアーソフトウエア

Aries 3D-Surrogate-Model

「Aries(アリエス)」シリーズとは

株式会社アストライア―ソフトウェアの社名は、ギリシャ神話で正義を司る女神であるアストライアーが由来です。

当社は科学的な経営手法に基づき、正義公正に則った私心のない経営判断を行い、会社を成長させ、利他的精神を忘れず、すべての顧客、社会、社員の幸福を追及していきます。

その思想のもと、弊社製品シリーズに、12星座のうちの1つであるAries(アリエス)、牡羊座の名称を付けました。

製品作成の背景

現在のシミュレーションは、3D形状を逆行列や反復計算などにより非常に複雑なロジックで計算されています。それにより、計算に時間がかかる、計算結果が発散する場合がある、設定が難しく専任の人しか実施できないなどの問題が多くあります。

多くのシミュレーションは定型的なものが多いと思われます。 定型的な業務はAIが得意とする分野です。ただし、3DをAIで扱うためには、3Dデータの節点とそれを接続するエッジ数の自由度により畳み込みが難しという問題がありました。

アストライアーソフトウエアは最新のCNN研究成果に基づき、世界で初めて3次元形状データの畳み込みに成功しました。

この技術により、3D形状の分類、マッチングの製品を提供してきました。 この技術を新たにシミュレーションの分野にも流用し、サロゲートモデルとして新たな製品の提供が可能になりました。

また、 3D サロゲートモデルに搭載しているシミュレーション可能なAIモデルは、3次元AIモデルGeneratorで作成したAIモデルになります。

CAE解析ソルバーの課題

CAE解析ソルバーに次のような課題があります。

Aries 3D Surrogate-Modelは上記のような課題に対応するためにAIを用いた製品になります。

Aries 3D Surrogate-Modelとは

3D Surrogate-Modelとは、既存のCAE解析ソルバーで実施したシミュレーション結果をAIにトレーニングさせ、そのトレーニングされたAIモデルを用いて、同様のシミュレーションをAIに実施させる意図で開発された製品になります。

AIがトレーニングをした定型業務の設計データはAries 3D Surrogate-Modelを用いてシミュレーションを行うことで、CAE解析ソルバーの課題に対応できます。

AIがトレーニングをしていないような新しい条件のシミュレーションはCAE解析ソルバーで行いますが、その結果をAIに追加トレーニングさせることで、 Aries 3D Surrogate-Modelを用いてシミュレーションを行うことができるようになります。

Aries 3D Surrogate-Modelの特徴

Aries 3D Surrogate-Modelの特徴は以下になります。

シミュレーションにAIモデルを利用

シミュレーションにAIを利用しています。 シミュレーションの多くは定型業務が多いため、この部分をAIに担ってもらい、人はその他の創造性業務への比率を高められると考え、シミュレーションの製品を開発しました。

計算速度が圧倒的に早い

AIはCAE解析ソルバーと比較して、シミュレーションの計算速度が圧倒的に早くなります。
その要因を以下に示します。

弊社で実際にCAE解析ソルバーとAries 3D Surrogate-Modelで計算実行時間を比較した結果を以下に示します。

計算時間が安定している

CAE解析ソルバーは複雑な逆計算などの高負荷な計算を行っており、シミュレーションの境界条件などによっては、シミュレーションが発散により中断してしまうことがあります。 しかし、AIは単純な乗算計算の類推計算のため、発散などにより計算が中断することはありません。

計算リソースが少ない

CAE解析ソルバーは複雑な逆計算などの高負荷な計算を行っており、シミュレーションのサイズや境界条件などによっては、大量の計算リソースを使用する場合があります。 シミュレーションの複雑度に比例して、計算リソースの消費量も増えていきます。 しかし、AIは単純な乗算計算がほとんどの類推ため、計算リソースの消費量は シミュレーションの複雑度に比例して増えません。

AIの学習方式

AIは3D形状のシミュレーション結果をどのように類推しているかについて、その方式を説明します。

メッシュをグラフと見なす、グラフニューラルネットワーク(GNN)の考えにより、シミュレーションを類推することで、サロゲートモデルを実現しています。

3D形状のノードをグラフのノード、3D形状のエッジをグラフのエッジを表していると考えます。 また、グラフノードは荷重、拘束、現在のノードの状態(節点応力、変形)を表し、グラフエッジは、ノード間の相互作用を管理すると考えます。 その際に、任意のノード(現在の状態)に境界条件の下で負荷をかけた際に、グラフエッジを伝わり、ノードに作用し、ノードがどのように変更するかをAIが学習することになります。

また、グラフエッジにも、材料、エッジの長さなどの情報を持たせることもできます。

Aries 3D Surrogate-Modelの構成について

シミュレーション毎のAIモデルの提供について

AIは類推計算のため、シミュレーションの境界条件などの解析内容・対象を限定したAIモデルを使用します。そのため、複数の種類のシミュレーションに対応するために、Aires 3D Surrogate-Modelは以下の構成でご提供します。

Aries 3D-Surrogate Model with PLM

弊社は、Aries 3D-PLMという3D形状の分類、マッチングを行うWebアプリケーションのパッケージ製品を販売しています。 その一機能としてAries 3D-Surrogate Modelをご提供しています。 PLMが不要な場合は、Aries 3D-Surrogate ModelのみをWebアプリケーションとして利用することも可能です。

Web上で境界条件等を入力してシミュレーションを実行し、その結果をWeb上で確認できます。 CAE解析ソルバーにあるような機能の一部もWeb上で利用可能です。 またシミュレーション結果をダウンロードしていただくことも可能です。

Aries 3D-Surrogate Model with API

シミュレーションの実行のみを行うAPIをご提供することも可能です、 御社側でご利用のツールからAPIを呼出し、その結果を表示していただくことも可能になります。 ただし、御社利用のツールの改修が必要になります。

また御社ご利用のツールの改修が難しい場合など、弊社にお問い合わせいただければ、対応させていただきます。

Aries 3D Surrogate-Modelの導入費用について

Aries 3D Surrogate-Model は、お客様の環境に合わせて柔軟なシステム構成に対応することが可能です。初期投資を抑えるためのスモールスタートがしたいなどのご要望に柔軟に対応することが可能です。

Aries 3D Surrogate-Model にご興味をお持ちいただけましたら、何なりとご質問ください。
お手数をおかけしますが、こちらのお問い合わせからよろしくお願いいたします。