AIを活用したCFDの進化：NASAソフトウェアエコシステムにおける代替モデリングアプローチ

NASAの高度モデリング＆シミュレーションセミナーシリーズにおけるRescaleのプレゼンテーションからの洞察

高忠実度シミュレーションは航空宇宙分野のイノベーションの中核を成していますが、複雑な数値流体力学（CFD）や有限要素解析（FEA）ソルバーは、完了までに数日かかることがよくあります。こうした長い実行時間は、検討できる設計バリエーションの数を制限し、発見のペースを遅らせます。AIを活用した サロゲートモデルは、高忠実度のシミュレーションデータから構築され、画期的な成果を提供します。このモデルは、最大1,000倍という驚異的な速さでシミュレーション結果を迅速に予測します。これは、設計探査とイノベーションに新たな可能性を切り拓く「AI物理」の手法を応用するという、広がりつつあるトレンドの一環です。これは、設計探査とイノベーションに新たな可能性を切り拓く「AI物理」の手法を応用するという、広がりつつあるトレンドの一環です。

最近開催されたNASAの「Advanced Modeling and simulation (AMS) セミナーシリーズ」において、RescaleのソリューションアーキテクトであるViktor Rozsa氏は、Boom Supersonic社のようなRescaleの顧客が、いかにAI物理フレームワークとNASAのシミュレーションソフトウェアを組み合わせ、デジタルエンジニアリングのワークフローを劇的に変革しているかを紹介しました。 Rescaleは、米国の官民の企業で利用されているNASA開発のソフトウェアをサポートしており、エンジニアが先進的なシミュレーション技術を導入し、データを分析し、このウェビナーで議論されたような新しいAI手法を開発することを容易にします。 　 　 　 　 

AMSセミナーシリーズ：NASAのモデリングとシミュレーションコミュニティがつながる場所

NASA高性能計算（NAS）施設の計算航空科学部門が主催するAMSシリーズでは、毎週、政府、学術界、産業界の専門家による講演が行われます。各セッションでは、工学および科学の幅広い分野に大きな影響を与えうる、モデリングとシミュレーションの進歩が紹介されます。 XNUMX年の開始以来、このセミナーシリーズは航空宇宙工学と科学研究に焦点を当て、先進的な航空宇宙モデリングのためのNASAのソフトウェアエコシステムをしばしば取り上げてきました。FUNXNUMXD、OVERFLOW、CartXNUMXD、CAPEといったツールは、最先端の研究と設計のための高精度な計算基盤を提供します。 登壇者には通常、第一線の研究者やエンジニア、ソフトウェア開発者が含まれ、メッシュ適合や乱流モデリングから、AIを活用したCFD、高性能コンピューティングワークフローに至るまで、幅広いテーマについて講演します。 　　 　 　 　 　

設計空間探索におけるボトルネックの打破

航空宇宙システムの設計とは、揚力、抗力、構造荷重といった変数の何百万通りもの組み合わせを検討し、最適な性能を持つ設計を見つけることを意味します。この幅広い可能性とトレードオフは、しばしば「設計」と呼ばれます。 トレードス​​ペース従来のシミュレーション手法で各シナリオを実行すると、膨大な高性能コンピューティングリソースが消費され、ハードウェアが数日間も占有されるため、現実的にテストできるのは潜在的な設計のほんの一部に限られます。このトレードスペースのボトルネックにより、新しい形状、構成、動作条件の探索能力が制限されます。AIを活用したサロゲートは、シミュレーションデータから学習し、ほぼリアルタイムで結果を予測することでこのボトルネックを克服し、エンジニアが同じコンピューティング予算内で、はるかに多くのトレードスペースを探索できるようにします。

グラフニューラルネット：メッシュベースサロゲートの基盤

グラフニューラルネットワーク（GNN） 物理システムをグラフとして表現します。グラフでは、ノードがメッシュ点に対応し、エッジは空間関係を符号化し、圧力や速度などの局所的な特性を持つことがよくあります。GNNはノード間でメッセージを反復的に渡すことで、物理ベースのシミュレーションに不可欠な空間関係を捉えます。 MeshGraphNets (MGN) このアプローチでは、メッシュを潜在空間にエンコードし、複数のメッセージパッシングステップを経て、予測された物理場にデコードすることで、従来のソルバーに比べて最大100倍の高速化を実現しながら、場合によっては局所誤差を10%程度に抑えることができます。対照的に、 DoMINO（分解可能なマルチスケール反復ニューラル演算子） メッシュフリーニューラルオペレータである NVIDIA PhysicsNemo 固定メッシュに依存せずに、複数のスケールのポイントクラウドから直接パターンを学習し、再トレーニングなしで新しいジオメトリへの高速トレーニングと適応を可能にします。

航空宇宙分野およびそれ以外の分野における幅広いアプリケーション

これらのアプローチの利点は、単一の航空機研究にとどまりません。代替モデルは、 空気力学的最適化, 熱管理, 構造解析、そしてマルチフィジックス設計の課題に対応します。これらのツールは、非従来型の翼構成の検討、再突入機の耐熱シールド設計の改良、性能と安全性の両立を考慮した胴体構造の最適化など、迅速な反復が不可欠なワークフローにおいて特に威力を発揮します。

Rescaleセミナーで紹介されたデモンストレーションでは、ボーイング787の定常CFDシミュレーションを用いてMGNモデルを学習させ、空力係数と局所的な流れの変数を予測しました。学習が完了すると、この代替モデルはほぼリアルタイムで結果を提供し、計算コストを増やすことなく最大50倍の設計反復処理が可能になります。DoMINOは超音速航空機の構造および空力最適化にも同様に応用されており、安全マージンを維持しながら質量を削減できる可能性を明らかにしています。

効果的なサロゲートモデルのための戦略

成功する代替モデルは、モデルが遭遇する様々な形状、条件、シナリオを網羅した高品質な地上シミュレーションから始まります。クリーンで一貫性のあるデータが不可欠です。命名エラー、タグの欠落、構造化されていないログといった問題は、パフォーマンスを低下させる可能性があります。Rescaleのデータレイクハウスは、この問題に対処します。 　 重要なパラメータは常に記録され、結果にリンクされます。しっかりとしたデータ基盤があれば、慎重に ハイパーパラメータ調整学習率、レイヤーサイズ、バッチサイズなどの設定を調整するなど、精度、速度、一般化のバランスをとるのに役立ちます。 NASAのケーススタディ 堅牢なシミュレーション データと最適化されたハイパーパラメータを組み合わせることで、サロゲートが迅速かつ信頼性の高い予測を提供でき、自信を持ってエンジニアリングの意思決定を行えるようになることを示しています。

NASAソフトウェアユーザーにとってのRescaleのメリット

組織向け NASAのフローソルバー、Rescaleの呼び出し NASA CAPE（計算航空科学の生産性と実行） FUN3D、OVERFLOW、Cart3Dの既存のワークフローに直接統合されます。シミュレーション実行ごとに、Rescaleはマッハ数、迎え角、ジオメトリ識別子、揚力、抗力、残差履歴などのソルバーの入力と出力を自動的に抽出し、標準化されたメタデータレコードにフォーマットします。このレコードはRescaleのデータレイクハウスに取り込まれ、完全なデータ処理が保証されます。 データの追跡可能性このプロセスは、既存のCAEパイプラインを中断することなく透過的に実行されます。データセットのアセンブリを自動化することで、手作業によるファイルラングリングが不要になり、Rescale AI用のトレーニングセットの作成が加速され、実稼働CFD実行から直接サロゲートモデルを開発できるようになります。

業界全体にわたる代理ツールの導入と拡張

航空宇宙、自動車、エネルギー、製造業など、複雑なシミュレーションがボトルネックとなっている分野でエンジニアとして働くなら、サロゲートモデルは真剣に検討する価値があります。より多くの設計パラメータを検討したい場合、シミュレーション時間を数週間から数時間に短縮したい場合、あるいはデータに基づいたより迅速な意思決定を行いたい場合、AIを活用したサロゲートモデルは大きな優位性をもたらします。MGNのようなメッシュベースの手法は、一貫したワークフローで高い精度を実現できます。一方、DoMINOのようなメッシュフリーのアプローチは、設計や条件の変化に柔軟に対応できます。重要なのは、適切なアプローチと高品質なシミュレーションデータ、スマートなワークフロー統合、そして調整されたハイパーパラメータを組み合わせることで、スピードと信頼性を両立させることです。

これらの構成要素を導入することで、AI 拡張シミュレーションによって設計プロセスを変革し、反復を高速化し、トレードスペースをより深く探索し、エンジニアリングの成果を向上させることができます。 AMSセミナーの録画全編を見る これらの手法についてさらに深く学び、デモンストレーションやパフォーマンス比較から学び、ご自身の仕事に応用してみましょう。セミナーを視聴して Rescaleにお問い合わせください CFD データから高性能な AI サロゲートを構築し、今すぐシミュレーション ワークフローを加速する方法を学びましょう。