サロゲートモデルの基礎と予測モデルの構築および設計・解析への応用　～デモ付～　＜オンラインセミナー＞

講師の言葉

　「もっと効率よくシミュレーションや実験ができないか？」「ばらつきを考慮した、信頼できる設計がしたい」──
　こうした現場の課題に応えるのが、サロゲートモデルです。ＣＡＥや実験の結果をもとに、機械学習を使って予測モデルを構築することで、試行回数を減らしつつ、有効な設計・解析を実現する手法です。
　本セミナーでは、ニューラルネットワークや決定木などの代表的な手法の概要にも触れながら、特にガウス過程という機械学習モデルを中心に、初学者にもわかりやすくサロゲートモデリングの基礎から応用までを体系的に解説します。あわせて、各手法の違いや使い分け、特にガウス過程が確率的なゆらぎ（不確かさ）を可視化できることが、なぜ現場にとって有効なのかを深掘りします。
　特に、非線形性が高く、計算コストが大きく、実験データの取得も限られるＣＡＥ解析のような分野においては、予測の「当たりやすさ」だけでなく、その予測を“どれだけ信頼できるか”を知ることが極めて重要です。
　本セミナーでは、個々のアルゴリズムの数学的解説に重点を置くのではなく、「どのようなデータを取得すべきか」「機械学習の出力結果をエンジニアとしてどう解釈すべきか」という実務的な視点を重視します。すなわち、本講座はエンジニアのための機械学習入門であり、サロゲートモデルをどう設計判断に活かすかを学ぶ場です。
　具体例を交えながら、現場で役立つ実践的なモデリング手法と活用法をわかりやすくご紹介します。