MIT、材料の内部構造画像から応力とひずみを計算するAIツールを開発
fabcross—IoTやロボティクス、電子工作に3Dプリンターまで、新しいものづくりがわかるメディア
2Picks
コメント
注目のコメント
物理法則に基づいたシミュレーション結果を学習させることで、シミュレーションツールを模倣したモデルを作ることができる。
アイディア自体は目新しくないけど、学習モデルとかプロセスを工夫して高精度な模倣を実現した、みたいな話だと思った。
メリットは速いこと。複雑な物理シミュレーションほど時間がかかるけど、機械学習モデルは等しく速い。あとは、物理シミュレーションだと境界条件とか初期条件の正しさ、それに関連した収束性のチェックなど必要になる。これは計算流してみて収束するか確認するわけだけど、機械学習なら計算始めた瞬間にわかるはず。
デメリットは、学習した範囲内のシミュレーションしか再現できないこと、のはずだったけど、今回の成果で重要なのは、学習範囲外の構造でも模倣できること。とは言っても、例えば接触モデルとか、そもそも学習データで扱われてないモデルの模倣は当然できない。
たぶん、最大の応用先は最適化設計ですね。制約条件のなかで、パフォーマンス最大になる構造なんかを自律的に探索するわけですが、高速ということは、膨大な範囲を短時間で探索できるということで、破壊的です。
ちゃんと見ておこうと思いました。