AI 駆動のサロゲート モデルによりリアルタイムの複合製造シミュレーションが高速化

出典 |イミデア

IMDEA Materials Institute (スペイン、マドリード) とマドリード工科大学 (UPM) から最近発表された研究は、複合材製造プロセスのリアルタイム シミュレーション機能の向上を目的としています。

この研究「非構造化 3D グリッド上の液体複合成形における充填シミュレーションのためのディープ サロゲート モデル」は、IMDEA Materials の Carlos González 教授、Davide Mocerino 博士、博士課程研究員 Sofia Fernández León と UPM の教授らの共著です。ロベルト・バジェ・フェルナンデスとルイス・バウメラ。

注目のコンテンツ

研究者らは、彼らの研究は、複合材製造プロセスにおける流体の流れをシミュレーションするための現在のディープラーニング代理モデルの主要な制限に対処しており、その結果は、高度な製造プロセスにおける効率、適応性、回復力を強化するためのデータ駆動型アプローチの可能性を浮き彫りにしていると述べています。

研究者らによると、液体複合成形（LCM）シミュレーションは、製造プロセスを最適化し、ボイド形成などの欠陥を軽減するために不可欠です。ただし、計算コストが高いため、リアルタイム アプリケーションでの使用は伝統的に制限されてきました。 この研究では、ミリ秒単位で正確な予測を提供できるディープ ラーニング ベースのサロゲート モデリング フレームワークを導入することで、この課題に対処し、デジタル ツインと適応プロセス制御の新たな可能性を解き放ちます。

「ここでの重要なイノベーションは、産業環境で一般的に見られる不規則で非構造化されたメッシュに対する計算効率、高精度、堅牢性を達成することで、この分野の主要なボトルネックの 1 つを克服することにあります。」とフェルナンデス レオンは説明します。 「これらの要件は、既存のニューラル ネットワーク アプローチによって同時に満たされることはほとんどありません。」

研究者らはまた、T 字型ストリンガーなどの複雑なジオメトリを平面領域に分割し、インターフェース間の一貫性を確保することでモデル化するために、複数分岐のエンコーダ デコーダ アーキテクチャを導入しました。

同時に、「提案されたグリッド マッピング技術により、非構造化 3D ドメインでの畳み込みニューラル ネットワークの使用が可能になり、精度を維持しながら現実的な製造シナリオへの適用可能性が広がります。」とフェルナンデス レオン氏は付け加えました。

結果として得られる代理モデルは、高忠実度のシミュレーションと実験データの両方と強い一致を示し、従来の手法と比較して 4 ～ 5 桁の高速化を達成すると言われています。このレベルのパフォーマンスは、デジタル製造環境でのリアルタイム導入を可能にし、より効率的で適応性のある復元力のある複合製造プロセスをサポートすることを目的としています。

「この研究は、高度な製造と人工知能を組み合わせることで、完全に統合されたデータ主導型の生産システムへの道を開く、変革の可能性を浮き彫りにしています」とフェルナンデス レオンは述べています。