• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2022 年度 研究成果報告書

深層生成モデルを組み込んだデータ駆動型最適設計法の体系化

研究課題

  • PDF
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
キーワードトポロジー最適化 / 深層学習 / 深層生成モデル
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。

自由記述の分野

最適設計

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。

URL: 

公開日: 2024-01-30   更新日: 2025-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi