Neural Concept Shapeを用いた ディープラーニングによる逆止弁設計の強化

Danfoss社は現在、Neural Concept社と共同で、同社の製品設計ワークフローへのNeural Concept Shapeを用いたディープラーニング技術との統合作業を進めています。
この技術は最初に、逆止弁の新規設計の中で評価されました。
質量流量、圧力損失、ピストンに掛かる揚力、および逆止弁内部の定常的な3次元流れ場を評価することにより、NCSモデルは新規設計上での逆止弁の性能を予測するために使用されました。
モデルトレーニングには，約 100個の設計デザインとそれに対応する CFD シミュレーション結果が使用されました。
未知の形状に対し、予測結果とCFDシミュレーション結果との相対誤差は約1%でした。

上段：流体体積の中央断面における水平方向の流速分布（テストデータ） 下段：上記の静圧分布

ピストンヘッド上の静圧分布（テストデータ）

静圧場の予測結果（3D点群表示）

Neural Concept ShapeのNeural Design module（ニューラル・デザイン・モジュール）はスマートかつ革新的、ノンパラメトリックな手法で新しいデザインを生成できるため、本事例にも適用されました。

上記のツールを組み合わせて多目的最適化を行い、各世代で50個の新しい設計データを生成し最適化による15回の反復計算を行い、合計750個の設計データで評価しました。全体の所要時間はGPUを利用し約10時間でした。
最適化の結果、非常に広い設計空間が探索され、逆止弁の全開状態における質量流量が約10%改善されました。

最適化による繰り返し計算で生成された設計点（異なる色でプロット）と設計点上のパレート最適集合（パレートフロント）。
ピストンに作用する力を最大化すること、および質量流量を最大化することを2つの目的としています（ここでは最小化されるように負の符号で示している）。