解釈可能なAIと多項式カオス法による車内配線網の特性解明と確率的最適化設計

点击翻译按钮获取中文摘要

本研究では，【①車内配線網の電気的特性の解釈と解明】と【②車内配線網の確率的最適化設計】について取り組んでいる．本年度は①に関して，電子機器が接続された車載ワイヤーハーネスを対象とし，アイソジオメトリック解析を3次元電磁界シミュレーションへと拡張できるようにプログラムを作成した．加えて，分類問題における解釈可能なAIの手法の一つであるGrad CAM (Gradient-weighted Class Activation Mapping)を改良して回帰モデルへ適用可能にしたGrad RAM (Gradient-weighted Regression Activation Mapping)のアルゴリズムを考案し，性能の検証を行うプログラムを作成した．検証用のプログラムでは，車載ワイヤーハーネスの断面画像を対象とし，Grad RAMが出力した活性化マップを用いた回帰モデルの解釈を試みた．結果として，入力データにおいてワイヤを個別に与えた場合は，ワイヤ周辺のみの重要度が高い活性化マップとなったのに対して，ワイヤをまとめて与えた場合は，ワイヤ間の空間も重要度が高い活性化マップとなった．また，ワイヤを個別に与えた場合の方が推論の精度が高かった．つまり，精度の高いモデルにおいて，ワイヤ間の空間の重要度が低いことが分かった．これは，電気的性能の指標としたコモンモード電流がワイヤに個別に流れる電流の総和として定義されており，ワイヤ間の情報を必要としないこととつじつまが合う．以上により，断面形状と電気的性能の相関を説明することが可能となったといえる．