確率的勾配降下法（Stochastic Gradient Descent, SGD）
確率的勾配降下法とは、機械学習モデルが最適な答えを見つけるための学習手法の一つです。
全データを使わず、ランダムに選んだ少数のデータで学習を進めるため、計算が高速で大規模なデータセットにも対応できます。
CAEサロゲートモデルでの活用
製品設計では数万から数十万件のCAE解析データを扱うことが多く、全データを一度に処理するには膨大な計算時間が必要です。
サロゲートモデルツールでは、確率的勾配降下法を用いることで、データの一部をランダムに選んで学習を進め、効率的に予測モデルを訓練できます。
この手法はニューラルネットワークだけでなく、回帰分析や他の機械学習手法でも広く使用されています。例えば、自動車部品の最適化で10万ケースの構造解析結果から予測モデルを作成する際、実用的な時間内でモデル構築が完了します。
サイバネットのAIソフトウェア・ソリューション
サロゲートモデル構築のための深層学習ソフトウェア Neural Concept Studio
Neural Concept Studio (NCS) は、設計プロセスを劇的に加速する深層学習ベースのソフトウェアです。既存の形状パターンやシミュレーションデータからサロゲート(代理)モデルを構築することで、設計変更に対する解析結果が最短数ミリ秒で出力されます。
AI画像認識カスタムソリューション
製造業特化の欠陥検出AIソリューションです。お客様の工場ごとに最適化されたフルオーダーメイドAIだからこそ、他社の汎用AIでは検出できない微細な欠陥も検出可能に。金属・樹脂・塗装・半導体など、あらゆる検査ニーズに対応します。