構造シミュレーションのための不確かさの定量化と機械学習
構造の有限要素解析（FEA）シミュレーションは、さまざまな力に対して構造がどう応答するかを予測し、起こりうる破損を見つけ、設計の改善を導くことで、エンジニアリングで重要な役割を果たしています。しかし従来の構造FEAの進め方では、計算コストと、物理的なシステムにある不確かさの扱いが課題になりがちです。SmartUQは、高度な機械学習、不確かさの定量化、最新の実験計画法を使って、これらの限界を乗り越えます。
構造シミュレーションに機械学習を使うときの課題
- 計算コストが高い：高精度の構造シミュレーションは1回の実行に数時間から数日かかることがあり、設計空間を十分に探索できず、多くのサンプルを必要とする解析も使えません。
- パラメータ空間が複雑：構造解析の多くは、形状、荷重条件、ノイズプロファイル、材料特性など、多数の連続パラメータと離散パラメータを含み、従来の機械学習の手法では扱えません。
- キャリブレーションに手間がかかる：シミュレーションの出力を実験やフィールドのデータに合わせるには、モデルのパラメータとモデル形式の両方を調整する必要があり、手作業で時間がかかることがあります。
構造シミュレーションのためのSmartUQのソリューション
- 実験計画法：多数の連続入力と離散入力にわたって得られる情報を最大にする、最適化されたサンプリングパターンを生成します。
- シミュレーションの実行：SmartUQの自動化インターフェースと連携機能を使って、シミュレーションの実行と結果の処理を自動で行います。
- サロゲートモデルの学習：集めたシミュレーションデータで機械学習のエミュレーターを学習させます。高次元、マルチフィデリティ、空間・時間の出力に対応します。
- 妥当性確認とキャリブレーション：学習に使わなかったシミュレーションや実験の測定値でサロゲートの精度を確かめ、統計的キャリブレーションでパラメータを調整し、モデル形式の不一致を補正します。
- 解析と意思決定のツール：サロゲートモデルを使って、不確かさ伝播、感度解析、確率的最適化や信頼性ベース最適化を行い、モデルを反復的に改善する動的エミュレーションのワークフローも実行します。
SmartUQの主な機能
- 動的エミュレーション：シミュレーションの実行、サロゲートの更新、精度の評価をループで自動的に行い、目標の誤差やサンプル数の上限に達するまで続けます。
- 動的最適化と動的コンター探索：サロゲートの分散をもとに反復的にサンプリングし、最適な設計や等値線（レベルセット）に効率よく収束させます。
- APIとGUIの連携：PythonやMATLABからスクリプトで使えるPySmartUQ、ANSYS Workbench、Adams、COMSOL向けのGUIコネクター、そのほかのシミュレーションプラットフォーム向けのコマンドラインとSmartSimIOがあります。
シミュレーションのワークフローを変える
SmartUQの無料トライアルENを今すぐ始めて、構造FEAのワークフローの効率、精度、得られる知見を新しい水準に引き上げてください。
エンジニアリングシミュレーションの解析でお困りのことがあれば、お問い合わせください。
