| 研究課題/領域番号 |
21K14064
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分18030:設計工学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
米倉 一男 東京大学, 大学院工学系研究科(工学部), 講師 (40890025)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2022年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2021年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
|
|---|
| キーワード | 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 |
|---|
| 研究開始時の研究の概要 |
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．
|
| 研究成果の概要 |
機械学習により機械部品の設計を自動化するデータ駆動型設計について、基本的な体系の構築と基礎的な検討を行なった。深層生成モデルを用いて機械部品の様々な形状を生成できることがわかり、また所望の形状を生成できるように、生成される形状の制御ができることを明らかにした。
また深層強化学習を用いて効率的に設計最適化が行なえる手法を構築した。
|
| 研究成果の学術的意義や社会的意義 |
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。
|
