ＡＩによる流動現象の高精度・高速な予測に成功

ＪＳＴ 戦略的創造研究推進事業において、株式会社ＲＩＣＯＳの堀江 正信 氏らは、ＡＩ技術を用いて、水や空気などの運動に代表される流動現象の高精度・高速な予測に成功しました。今回の技術により、既存の物理シミュレーションやＡＩ技術では到達することのできなかった、精度と計算時間（同一の計算機上で測定）の高度なバランスを実現したことは大きな成果です。

現在、流動現象を予測するためには物理シミュレーションを用いることが主流ですが、現象を精度良く詳細に解析しようとすると計算に時間がかかり、反対に計算時間を短縮するために処理を簡略化すると予測精度が低下するという、精度と計算時間のトレードオフが見られました。

また、近年、機械学習と呼ばれるＡＩの基盤技術を用いた物理現象の予測モデルの構築について盛んに研究がなされてきていますが、従来型の物理シミュレーションで扱われているような複雑な条件でのシミュレーションに適用できないことが多く、信頼性・汎用性において課題がありました。

本研究グループは、物理シミュレーションの技術と機械学習の技術を組み合わせることによって、信頼性・汎用性を担保しつつ、既存のデータを活用して予測を行うという機械学習の強みを生かした高速な予測モデルを実現しました。あらかじめ作成しておいた高精度なシミュレーションデータを学習させることにより、従来型の物理シミュレーションと比較して精度を大幅に損なうことなく高速な予測を達成しています。また、既存の機械学習技術では同じ現象でも異なる視点から見ると予測精度が落ちてしまうことがあったのに対し、今回開発した技術では予測精度が低下しないことを理論的に証明できます。

また、流動現象の物理シミュレーションにおいては「空気が入ってくる部分」や「空気を通さない壁の部分」といった形で解析したい現象の条件を付与しますが、既存の機械学習技術ではこのような条件を厳密に考慮することはできませんでした。今回、本研究グループでは、機械学習の良さを失わずにこのような条件を考慮する手法の開発に成功し、機械学習でも従来型の物理シミュレーションと同等の汎用性を持つことができる可能性を示しました。

今回の技術は、設計・製造においてボトルネックとなり得る流動現象のシミュレーションによる評価プロセスを高速化し、設計・製造プロセス全体の効率化を加速させるものと期待できます。その他にも、飛沫（ひまつ）による感染症予防のための換気の効率化や、気象予報の高精度化のための重要な一歩となると考えられます。

本研究は、筑波大学 システム情報系の三目 直登 助教と共同で行いました。

本研究成果は、２０２３年３月２２日（日本時間）に機械学習トップ国際会議「Ａｄｖａｎｃｅｓ ｉｎ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍｓ」のオンライン版で公開されました。