Data driven design utilizing machine learning techniques
| Project/Area Number |
21K14064
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 18030:Design engineering-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
Yonekura Kazuo 東京大学, 大学院工学系研究科(工学部), 講師 (40890025)
|
|---|
| Project Period (FY) |
2021-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2021: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
|
|---|
| Keywords | データ駆動型設計 / 機械設計 / 機械学習 / 深層生成モデル / 深層強化学習 / 設計工学 / 生成モデル / 強化学習 |
|---|
| Outline of Research at the Start |
機械の設計においては，所望の要求仕様を満たしたうえで性能の良い形状を設計することが求められる．この設計作業を性能予測，形状創出，形状修正の三段階に分け，それぞれを機械学習を用いて実現するシステムを構築する．これらを総合してデータ駆動型設計と呼ぶ．将来的にはこのデータ駆動型設計を高度化し，機械システムの自動設計を行なうことを大きな目標とする．
|
| Outline of Final Research Achievements |
We developed a basic system and conducted fundamental studies on data-driven design, which automates the design of machine parts through machine learning. It was found that various shapes of machine parts can be generated using deep generative models, and that the generated shapes can be controlled so that desired shapes can be generated.
We also developed a method for efficient design optimization using deep reinforcement learning.
|
| Academic Significance and Societal Importance of the Research Achievements |
機械設計は人間の設計者が多数の試行錯誤を繰り返して行っている。より性能の良い製品を設計するためには高度なスキルとノウハウを持った設計者が多くの時間を割く必要があった。これに対して本研究は、人工知能（AI)を用いて様々な設計検討を機械が自動で気に行える可能性を示した。これにより、今までよりも性能の良い製品が設計できる可能性が示された。また少子高齢社会ではベテランエンジニアは貴重な存在であり、彼らを単純作業から解放して、より創造性に富む業務に従事していただけるようになる可能性も秘めている。
|
Report
(3 results)
Research Products
(13 results)
