解析データによる機械学習

TP-STRUCT（数値シミュレーション）は、科学者等により物理現象の中から見出された基本方程式（モデル）をもとに、計算機を使用して数値解を求めることで現象を可視化する手法となります。
一方、機械学習は、基本方程式のような規定されたモデルはなく、入力として与えられる学習データに応じて柔軟に学習が行われることでモデルが規定されます。そのため、制限が少ない反面フィッティングに必要なデータが沢山必要となります。
したがって、機械学習を使ってゼロからデータを使用して物理現象の再現を行なうことは、工学的解釈を積み上げるような方法ではないことから、予測精度はモデル創成に使用された学習データ次第となり、その効果を期待できないばかりかブラックボックス化の可能性があります。
このような機械学習の弱点を補う方法として、物理の基本方程式に基づいたルールから得られるデータを活用する「数値シミュレーション」と「機械学習」を連携させたハイブリッドな手法が非常に効果的です。
TP-STRUCTでは、解析結果から得られる膨大なデータをもとに機械学習を活用することにより、設計モデルの最適化や効率化を実現することができます。