| 研究課題/領域番号 |
23K13239
|
|---|
| 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) |
2023-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023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)
2025年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2023年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | データ駆動型設計 / 機械学習 / 設計工学 / 生成モデル / 最適設計 / 強化学習 |
|---|
| 研究開始時の研究の概要 |
機械学習は一般的に物理的・力学的な妥当性を考慮できない。物理方程式の残差を目的関数に加える手法も提案されているが，これは物理方程式をニューラルネットワークの内部に記述する必要があるため、商用ソフトウェア等を物理モデルとして使用することができない。そこで本研究では、商用ソフトウェアを含むような任意の物理モデルをや方程式を用いて、ニューラウルネットワークの学習過程を制御する手法を構築し、設計タスクに対して適用する。
|
| 研究実績の概要 |
物理モデルベース機械学習手法を構築し，それを機械設計分野における生成モデルや怪奇モデルの学習に使用して適用可能性を検討した．研究では特に，物理モデルを新たに実装することなく，汎用のソフトウェア等を使用することを大きな目標の一つとしている．
当初計画では翼形状生成を想定していたが，それに加えて別のタスクへの適用性検討も進めた．これは企業で実際に使用されているプログラムを使用し，実際に近いタスクを行うものであり，社会実装へ一歩進んだ．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
当初は2024年に実施要諦であった具体的タスクへの適用を2023年にすでに実施しており、計画以上に進捗している。
また当初計画では生成モデルの適用先は翼形状生成だけであったが、それ以外に実際の設計タスクに近い状況での検討も進めており、その点でも計画以上に進捗している。
|
| 今後の研究の推進方策 |
当初研究上の課題と考えていたとおり、計算時間が長大化する傾向がみられており、それを短縮する方策をより深く検討する。
|
