AI × CAE — 物理情報ニューラルネットワーク
物理情報ニューラルネットワーク(PINN)は、支配方程式の残差を損失関数に組み込むことで、「データが少なくても物理法則には忠実」なニューラルネットワークを学習する枠組みです。境界条件・初期条件・PDE残差を同時に最小化するため、メッシュ生成が不要で、逆問題(材料定数の同定など)を自然に扱えるのが従来のFEM/FVMとの大きな違いです。一方、収束の不安定さと計算コストから、現時点では万能の代替ではなく適材適所の道具です。
収録記事「DeepONet演算子学習」は、個々の解ではなく「入力関数から解関数への写像(演算子)」そのものを学習する発展形を扱います。一度学習すれば境界条件を変えた推論がミリ秒で返るため、リアルタイム制御やデジタルツインの文脈で注目されています。