転移学習 (Transfer Learning)
転移学習 (Transfer Learning)とは、ある問題で学習したモデルの知識を別の関連問題に適用する技術です。
事前学習されたモデルを出発点として使用し、少ないデータでも新しいタスクに適応させることができるため、データやリソースが限られた状況で特に有効です。
CAEサロゲートAIにおける転移学習の活用例
CAEのサロゲートAIでは、類似した物理現象を持つシミュレーションモデル間で知識を転移することができます。例えば、異なる材料特性を持つ構造解析や、スケールの異なる流体解析の間で学習済みモデルの特徴を転用することで、少ない計算コストで新しい設計課題に対応できます。また、実験データとシミュレーションデータの間のギャップを埋めるためにも活用され、モデル補正やハイブリッドモデリングの基盤技術となっています。