CFDを利用する場合
複雑な流体現象の解析を行う必要が
あり計算時間がかかりすぎる
複雑な流体現象の解析を
行う必要があり計算時間が
かかりすぎる
※数値流体力学（CFD: Computational Fluid Dynamics）
※一般的に、この数値流体力学を「流体解析」と呼ぶ
AIメイン(サロゲートモデル)で流体解析する場合
大量の正解データを必要とし
解析条件/形状に関する汎化性能も不十分
CFDと比較して、信頼性が低い
総合的な必要時間はあまり短縮できない
大量の正解データを必要とし
解析条件/形状に関する
汎化性能も不十分
CFDと比較して、信頼性が低い
総合的な必要時間はあまり短縮できない
CFD
と
AI
との
ハイブリッド技術
CFDと比較し
大幅な高速化が可能
CFDと比較し大幅な高速化が可能
物理法則を組み込んだ
Neural Networkにより
少量の正解データで学習可能
解析条件/形状に関する汎化性能が高い
CFDに基づく高精度かつ
高信頼予測が可能
AIメイン(サロゲートモデル)の流体解析では、推論時間は短くなりますが、学習時にCFDを使用して生成した大量の正解データが必要であり、結果として、多くの時間を消費することにより、総合的な必要時間はあまり短縮できません。
また、AIモデルの内部がブラックボックス的であり予測の根拠付けが非常に困難であることから、信頼性が低くなります。
アラヤのNeumaticAIでは、活用できるCFD技術は最大限活用し、CFDの一部をAIにより高度化していきます。このようにAIがCFDにおいて担う箇所を最小限にとどめているため、 少量のデータであっても高い汎化性能と高信頼な解析結果を期待できます。
*物理モデルの代替(高精度化に寄与)、離散誤差の吸収(高速化に寄与）
AIメイン(サロゲートモデル)の流体解析の場合
CFDに複雑な処理のすべてをAIで代替しようとするため、信頼性が低くなりがちです
の場合
NeumaticAIの場合
CFDの一部をAIにより高度化*することにより信頼性を最大限損なうことなく高速な計算が可能
CFDの複雑な処理のすべてをAIで代替するのではなく、CFD技術, 物理法則を最大限活用することにより、高速かつ信頼性の高い解析が可能となります。
お問い合わせ
