facebook

3次元のCAEデータに対応した深層学習用AI構築ツール「Neural Concept Shape」販売開始へ!

こんにちは!chisatoです。
本日のtopicsは、3次元のCAEデータに対応した深層学習用AI構築ツール「Neural Concept Shape」をご紹介します。

サイバネットシステム株式会社は、Neural Concept SAが開発する深層学習によるAI構築ツール「Neural Concept Shape(ニューラル・コンセプト・シェイプ、以下「NCS」)」の取り扱いを日本で初めて開始しました。

「Neural Concept Shape」開発背景

CAE は、複雑化・高度化する昨今の製品設計の評価に欠かせない技術として、広く利用されています。一方、CAE は解析時間が長いために、設計を追加検討したくても、時間的な制約から追加の設計変更を見送らなければならないことがあります。その結果、検討が十分に行えないまま、試作・試験段階に進まざるを得ず、手戻りが発生してしまうという悪循環に陥ることもありました。
NCSはCAE専任者が利用したCAD/CAEデータを学習して、圧倒的な速さで設計評価を行う深層学習用AI 構築ツールです。通常のCAE なら数時間かかる高精度なシミュレーション結果を数秒~数分間で得ることが可能となります。設計の検討回数やパラメータの種類/数を制限することなく迅速に設計変更に活かせるため、製品の品質向上のみならず開発サイクルの短縮にも貢献します。

「Neural Concept Shape」の主な特長

NCSは、圧倒的なスピードで、解析専任者レベルのシミュレーション結果を算出します。
主な特長をご紹介します。

高精度なシミュレーションを可能にする独自の3D Geometric Convolutional Neural Networkを採用

深層学習というと、大量の画像データを読み込ませて認識させるような2次元利用が一般的ですが、NCSのコア技術は3次元の畳み込みニューラルネットワーク(Convolutional Neural Network)をベースにしています。畳み込みニューラルネットワークは、人間の視覚野を模倣し、畳み込み層、プーリング層、全結合層で構成されるニューラルネットワークです。
特に画像のような形状データの認識を得意とするアルゴリズムで、入力された3次元形状の幾何学的特性を忠実に学習すると同時に、高精度な物理シミュレーションの3次元分布結果も学習することができます。それにより、学習モデル構築後は直接新規形状データを入力することで、その形状に基づいた3次元分布結果を予測できます。

CAE解析専任者の知見を最大限活用

NCSは深層学習により、学習用解析データを作成したCAE専任者の知見まで取り入れたAIを構築できます。解析の知識が浅い設計者でも専任者と同等のシミュレーション結果を得ることが可能です。

圧倒的に速いシミュレーション速度

解析済みのCAEデータを利用することで、10万を超える設計パターンでも数秒~数分間で高精度な評価が可能です。

すべてのライセンスにクラウド版Webアプリケーションを適用

Microsoft Azure等のクラウド版Webアプリケーションは、NCSを実行するためにスペックの高いマシンを用意する必要はなく、インターネット環境さえあればどこからでもシミュレーションを実行できます。これにより環境構築に掛けるリソースや運用中の消費電力を削減できます。

流体解析例:フォーミュラカー表面の圧力分布。 学習済みNCSの予測結果は、CAEの解析結果とほぼ同等であることを示している。

AI構築用学習データ作成受託サービスについて

AI構築用に精度の高いCAE/CADの学習用データが不足している場合、経験豊富なサイバネットの解析エンジニアがデータ作成の代行を承ります。またお客様の解析データを使用し、NCSでAIを構築して予測精度の検証(PoC)を実施することも可能です。
また、NCSには、AIの構築及び利用ができる「Shape Expertライセンス」と、AIを利用してシミュレーションを行える「Shape Productionライセンス」という2種類のライセンス形態があります。価格は、ライセンス形態や使用期間によって異なります。

10万を超える設計パターンを数秒~数分間で評価し、 開発期間の短縮に貢献する、CADやシミュレーションデータの処理に特化した、深層学習用AI構築ツール「Neural Concept Shape」に注目です!

最新情報をチェックしよう!