人工知能技術を応用した骨組構造物の冗長性設計法に関する研究

点击翻译按钮获取中文摘要

ベンチマーク問題や小規模なトラス・トポロジー最適化問題を対象とした2021年度の研究結果から，一般的な人工ニューラルネットワーク（ANN）では，解の精度や解析時間に関する課題が明らかとなった．そこで2022年度は，2次元トラス・トポロジー最適化問題を対象として，最適トラス・トポロジーの軸力分布（最適解）を機械学習によって効率的に予測する方法について検討するため，3種類のANNのモデルを構築し，それぞれのモデルから得られる最適解の精度や計算効率について比較・検証した．その結果，U-Netと呼ばれる畳み込み深層学習法を用いたモデルが，最も精度よく最適解を予測できることが明らかとなった．U-Netは，ある教師データ群を用いて学習したANNを，未知（未学習）のデータに用いても，反復計算なしで精度の良い最適解の予測が可能な方法であり，本研究が目指す解析手法にも合致する．複数の例題による検証解析の結果，未学習のデータ（荷重条件）に対しても小さな誤差で最適トラス・トポロジーの軸力分布を予測できていることが確認できた．特に，本研究では，教師データを工夫することで，圧縮・引張軸力を区別して予測させ，解の精度を向上させることができた．なお，機械学習では，学習過程で多くの計算が必要となり，一般のCPUをもつPCでは機械学習に非常に時間がかかる．2021年度に導入した，GPU（画像処理装置）とSSDを搭載した大容量の計算機で機械学習の計算環境を構築したことにより，計算効率が格段に向上した．