AI × CAE — 機械学習メッシュ最適化
メッシュ細分化のどこを細かくすべきかは、本来は誤差指標(残差・回復応力の差など)を計算して初めて分かります。機械学習適応メッシュは、この誤差推定を過去の解析結果から学習したモデルで代替し、初回メッシュの段階から応力集中部や境界層を狙って細かくする技術です。アダプティブ解析の反復回数を減らせるため、同じ精度をより少ない計算資源で達成できます。
収録記事「ML適応メッシュ細分化」では、形状特徴量(曲率・フィレット半径・荷重点からの距離など)を入力に、要素サイズ場を出力する回帰モデルの構成を解説しています。学習データの質がそのまま細分化品質になるため、誤差指標つきの解析結果を日頃から蓄積しておくことが実運用の鍵です。