| 研究課題/領域番号 |
20KK0329
|
|---|
| 研究種目 |
国際共同研究加速基金(国際共同研究強化(A))
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分18030:設計工学関連
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
矢地 謙太郎 大阪大学, 大学院工学研究科, 助教 (90779373)
|
|---|
| 研究期間 (年度) |
2020 – 2022
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
14,040千円 (直接経費: 10,800千円、間接経費: 3,240千円)
|
|---|
| キーワード | トポロジー最適化 / 深層学習 / 深層生成モデル / データ駆動型設計 / 機械学習 / データ科学 / 設計工学 |
|---|
| 研究開始時の研究の概要 |
トポロジー最適化は物理場の数値シミュレーションと数理最適化を駆使することで、構造物の最適な形状と形態を導き出すことができる。しかしその反面、設計自由度が高すぎるが故に生じる強い多峰性により、その適用範囲は限定的と言える。この課題を克服すべく、本研究では高い設計自由度を確保しつつも、強い非線形性を有する複雑な最適化問題を解くことを目指し、深層学習を利用した新たな最適設計の枠組みについて研究を行う。
|
| 研究成果の概要 |
基課題(研究課題：20H02054)では、次世代の蓄電システムとして注目を集めるフロー電池を対象として、トポロジー最適化を利用した新たな最適設計のフレームワークの構築を目指している。また、本フレームワークはフロー電池に限らず直接解くことが困難な設計問題への展開も可能であり、汎用的なフレームワークとして体系化できる見込みがある。その鍵となるのは、本フレームワークへの深層生成モデルの導入と確固たる数理基盤の構築にある。そこで、データ科学分野を専門とするテキサス大学オースティン校の研究者との連携により、基課題の飛躍的発展を目指し、設計工学とデータ科学の両分野を跨ぐ国際共同研究を実施した。
|
| 研究成果の学術的意義や社会的意義 |
一部の研究者によってトポロジー最適化に深層学習を組み込むことで最適構造を推定する取り組みが報告されているものの、いずれの先行研究も計算時間の短縮に主眼が置かれており、「深層学習を用いたからこそ解ける」という例は未だ数少ないのが現状である。また、深層学習は瞬時に最適構造を推定する可能性を秘めているものの、学習にある程度の時間を要するため、一概に高速化を実現できるわけではない。このような背景を踏まえ、「従来のトポロジー最適化では解くことができない問題を解く」ことを目的とし、汎用的なデータ駆動型最適設計法の構築を目指すところに本研究の学術的新規性があることを強調しておきたい。
|
