数理と機械・産業システムの融合

データ駆動型設計

機械学習と計算力学を利用した産業製品の設計方法を研究しています。計算力学により機械製品の強度などの特性を計算します。多くのタイプや形状に対して計算を行ない、その結果を機械学習を用いて分析することで、良い設計に共通する特徴を抽出したり、最適な形状を見出すことを目指します。 データ駆動設計では特に三つのアプローチを研究しています；特性を事前に予測する性能予測、仕様を満たす形状を見出す形状創出、形状を微修正する形状修正です。それぞれ機械学習の回帰モデル、生成モデル、強化学習を用いています。

数理最適化と最適設計

機械製品等の部品が最も良い性能を発揮できる形状を設計することを最適設計と呼びます。私たちは数理最適化手法を用いた最適設計手法について研究しています。例えば、トポロジー最適化と呼ばれる枠組みは、形状を変更する自由度がとても大きく、より性能の高い製品を設計することがで着る手法として期待されていましたが、計算時間が長いという課題がありました。そこで数理最適化の観点から計算時間を1%以下に短縮する手法を構築しました。

機械学習の産業応用

機械学習の産業応用について研究をします。機械学習手法は近年大きな進歩を遂げましたが、産業応用にはまだ隔たりがあります。例えばシステムとして必要とされるフェールセーフや説明性の程度と、機械学習技術の程度に隔たりがあります。ほかにも、データの偏りに対する技術的な定石は定まっているものの、実際にプラント運用などに適用する場合には様々な事情からうまくいかないこともあります。このような技術シーズと社会的・産業的ニーズの隔たりを埋める方法論について、社会・産業側のニーズに合わせた数理手法を作り、また同時に技術シーズを社会ニーズに合わせるようなシステム構成を考えることが主になります。

教員からのメッセージ

我々の研究室では、工学的な、また社会的な課題を数理を用いてモデル化し、解決することを目指しています。数理は、それ自身が研究対象として魅力的であるだけでなく、一般社会の課題解決において有用であり、さらに近年の機械学習の発展に伴って重要度を増しています。数理と社会システムの融合に興味がある方をお待ちしています。