九州大学、翼や羽根の形から性能を予測するAI「PI-GAE」を開発

ニュース紹介

「形を変えたときの性能が見えるAIを開発」

九州大学大学院工学研究院の下山幸治教授と、フランスのÉcole Centrale de Lyon所属でJSPS外国人特別研究員のThanasak Wanglomklang氏らの研究グループは、複雑な形を少ない情報にまとめ、元の形を再現しながら性能も予測できるAI「PI-GAE（Physics-Informed Geometry-Embedded Graph Autoencoder）」を開発しました。航空機の翼やジェットエンジンで空気を圧縮する羽根は、形が少し変わるだけで性能が変わるため、より良い形を探すには多くの候補を一つずつ詳しく調べる必要がありました。

研究グループは、2次元と3次元の翼、空気を圧縮する羽根を含む4種類で性能を確かめました。その結果、翼の空気抵抗や、羽根が空気を圧縮する働きを高い精度で予測できました。翼や羽根の形を、元の大きさに対して平均0.3%未満のずれで再現できた例もありました。学習に使うデータを10分の1に減らした条件でも、性能だけを予測する方法より安定した予測を示しました。一方、このAIは学習した形に近い範囲での利用を前提としており、大きく異なる形や条件で使うには追加の検証が必要です。成果は学術誌「Computer Methods in Applied Mechanics and Engineering」に2026年10月28日にオンライン掲載されました。

出典：九州大学 2026年11月10日 プレスリリース／掲載誌：Computer Methods in Applied Mechanics and Engineering／DOI：10.1016/j.cma.2026.119534
https://www.kyushu-u.ac.jp/ja/researches/view/1621

FrontJournalの解説

この研究分野について

航空機の翼やジェットエンジンの圧縮羽根の設計では、形の候補ごとに空気の流れを計算で再現するシミュレーション（数値流体力学）を行い、性能を調べる方法があります。候補が増えるほど計算に時間がかかるため、形の探索を効率化する研究が続いています。

その一つが「代理モデル」（詳しい計算の代わりに、学習済みのAIが性能を素早く見積もる仕組み）です。設計者は多数の候補を代理モデルで比べて絞り込み、有望な形だけを詳しい計算で調べられます。

①形を少ない情報にまとめ、元の形に戻して確かめる

「九州大学」の下山幸治教授らが開発した「PI-GAE」は、数多くの位置の情報からなる複雑な形を、少ない情報にまとめます。まとめた情報から元の形を再現するため、予測した性能がどの形に対応するのかを確認できます。

形を少ない情報にまとめて再現する仕組みは「オートエンコーダ」（入力を圧縮し、元に復元するAI）と呼ばれます。設計変数の数を減らして最適化を効率化する手法として、翼形状の設計研究でも検討されています。

②データを減らしても安定し、適用範囲は学習した形の近く

研究グループは、2次元と3次元の翼、空気を圧縮する羽根を含む4種類で性能を確かめました。翼の空気抵抗は実際の結果にほぼ近い精度で予測でき、学習データを10分の1に減らした条件でも、性能だけを予測する方法より安定していました。

適用範囲は、学習した形に近い領域です。他の研究でも、学習データの範囲外の設計では代理モデルが最適化を誤らせる恐れが指摘されており、大きく異なる形や条件では追加の検証が欠かせません。

FrontJournalからのひとこと

設計の現場で負担になるのは、候補が増えるほど増える詳しい計算です。この研究は、候補を比べる段階を軽くしながら、選んだ形を目で確かめられる点に特徴があります。九州大学が期待するのは、詳しく調べる回数を減らす使い方で、有望な形を絞り込んでから精密な検証に進む流れが見込まれます。

FrontJournal編集部