No.66「CAEとデータサイエンスの融合による数値解析の高速化」

なぜいまこれが？

CAEは製品や製造工程の研究開発、設計に必要不可欠の技術ですが、数値解析に時間を要するのが難点です。過去の計算資産（解析結果）を活用して未計算の条件に対する結果を機械学習で予測できれば、研究開発や設計の効率化につながります。本技術はそのような要請をCAEとデータサイエンスを融合することにより実現いたします。

これがポイント！

本技術は図1に示す2つのステップから構成されます。まずCAEの数値解析結果（以下、CAE結果）の要素値の分布から多変量解析によって基本成分を抽出します。この基本成分に重みを掛けて線形和を求めることにより、元の分布を再構成することができます。CAE結果には数百万個の要素が含まれていることが多く、機械学習で要素値の分布を直接予測するのは困難です。本技術では、多変量解析による情報圧縮を行い、機械学習の予測対象を基本成分への重みとすることにより問題を大幅に低次元化し、学習を容易にしています。

次に、計算条件と基本成分への重みの関係を機械学習によりモデル化し、未知の計算条件に対する重みを推定して基本成分の線形和を求めることによりCAE結果を予測します。少数のデータでも学習可能な機械学習の手法を用いているため、ディープラーニングのような大量の学習データは不要であり、計算負荷の高いCAEに適した技術となっております。

本技術では、上記の2つのステップによりCAEとデータサイエンスを融合させ、CAEを代替する高速演算可能なモデルを構築することができます。この代替モデルを活用することにより、設計パラメータの最適化を効率的に行うことができるようになります。また、実現象のリアルタイムな可視化や予測などに適用することも可能です。

本技術に関しては、お気軽にご相談ください。