＜Web配信＞解析データの更なる活用。形状データを学習するサロゲートAIモデル

サロゲートモデルは、CAEでの解析データや形状データをもとに、その挙動を高速に近似再現する数理モデルです。
解析時間を数倍～数百倍短縮でき、解析専任者以外でもパラメータ検討や繰り返し計算が可能になる点が特長です。
従来はパラメトリックな解析モデルを学習することで、高速かつ効率的な予測が実現されてきました。
一方で、モデル規模が大きくなるほど学習・予測の負荷が増大し、形状変更を伴う解析ではメッシュモーフィングなどの前処理が必要になるなど、適用が難しいケースも存在します。

 

本セミナーでは、サロゲートモデルの基礎や手法の違いを整理し、上記課題を解決するノンパラメトリック手法について解説します。

 

小型軸流ファンにおける流体解析のサロゲート化などの事例を通じて、シミュレーション結果とAI（サロゲートモデル）の予測結果を比較し、有効性を確認します。
あわせて、CPU上で動作しパラメータスタディや最適化に適した nvision と、形状変更・可変ノードに対応可能でモーフィングが不要な nvisionFlow の特長をご紹介します。