• 2024年08月02日(金) 10:30 ~ 17:30

１．サロゲートモデルの概要

　　（１）．サロゲートモデルの重要性

　　（２）．CAEおよび機械学習との連携

　　（３）．サロゲートモデリングのメリット／デメリットと適用に際しての留意点

２．機械学習の基礎と活用

　　（１）．教師あり学習、教師なし学習、強化学習の基本概念

　　（２）．主要な機械学習アルゴリズムと基礎的な統計的リテラシーの理解

　　（３）．様々な解析（定常解析・時系列解析・空間依存）への機械学習技術の適用と限界

　　（４）．デジタルツインとリスク下における意思決定のための確率的手法

３．実験計画法とデータサンプリング

　　（１）．実験計画法の概要と目的、パラメータ選定の重要性

　　（２）．効率的なデータサンプリング技術と既存のデータとの組み合わせ

４．サロゲートモデル構築と検証

　　（１）．機械学習ソフトウェアを使った実践

　　（２）．データ前処理の技術、定常解析から空間、時系列データといったモデルの選択

　　（３）．ニューラルネットワーク、ガウス過程回帰などのサロゲートモデルの比較

　　（４）．モデル検証、ハイパーパラメータチューニングの設定と評価

　　（５）．追加学習とベイズ最適化

５．AIサロゲートモデルの活用事例　（様々な解析：設計空間探索、感度解析、最適化、信頼性解析）

　　（１）．自動車部品の強度設計

　　（２）．電子機器のEMC解析

　　（３）．ファンの流体解析

６．機械学習で実現できる新しい解析手法

　　（１）．確率的シミュレーションと不確実性評価の方法（UQ解析）

　　（２）．確率的最適化、信頼性ベース最適化手法

　　（３）．実測データを活用したベイズ推定によるパラメータフィッティングとモデルキャリブレーション

日本テクノセンター研修室