特許ウォッチ

公開番号2025142498
公報種別公開特許公報(A)
公開日2025-10-01
出願番号2024041887
出願日2024-03-18
発明の名称データ生成プログラム、データ生成装置、及びデータ生成方法
出願人富士通株式会社
代理人弁理士法人酒井国際特許事務所
主分類G06F 30/27 20200101AFI20250924BHJP(計算;計数)
要約【課題】機械学習モデルを用いて剛性行列から物理量を推論する際に、機械学習モデルの入力データを生成する処理の収束性を向上させる。
【解決手段】コンピュータは、解析対象の剛性行列を、剛性行列の条件数よりも小さな条件数を有する処理対象行列に変換する。コンピュータは、処理対象行列を用いて次元削減処理を行い、次元削減処理の結果に基づいて、解析対象に関する物理量を推論する機械学習モデルの入力データを生成する。
【選択図】図2
特許請求の範囲【請求項１】
解析対象の剛性行列を、前記剛性行列の条件数よりも小さな条件数を有する処理対象行列に変換し、
前記処理対象行列を用いて次元削減処理を行い、
前記次元削減処理の結果に基づいて、前記解析対象に関する物理量を推論する機械学習モデルの入力データを生成する、
処理をコンピュータに実行させるためのデータ生成プログラム。
続きを表示（約 600 文字）【請求項２】
前記次元削減処理の結果は、前記処理対象行列の要素よりも少ない要素を有する処理結果行列を含み、
前記機械学習モデルの入力データを生成する処理は、前記処理結果行列と前記解析対象の境界条件に関するベクトルとを用いて前記機械学習モデルの入力データを生成する処理を含むことを特徴とする請求項１記載のデータ生成プログラム。
【請求項３】
前記次元削減処理は主成分分析であることを特徴とする請求項１又は２記載のデータ生成プログラム。
【請求項４】
解析対象の剛性行列を、前記剛性行列の条件数よりも小さな条件数を有する処理対象行列に変換する変換部と、
前記処理対象行列を用いて次元削減処理を行う次元削減部と、
前記次元削減処理の結果に基づいて、前記解析対象に関する物理量を推論する機械学習モデルの入力データを生成する生成部と、
を備えることを特徴とするデータ生成装置。
【請求項５】
解析対象の剛性行列を、前記剛性行列の条件数よりも小さな条件数を有する処理対象行列に変換し、
前記処理対象行列を用いて次元削減処理を行い、
前記次元削減処理の結果に基づいて、前記解析対象に関する物理量を推論する機械学習モデルの入力データを生成する、
処理をコンピュータが実行することを特徴とするデータ生成方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、データ生成技術に関する。
続きを表示（約 1,200 文字）【背景技術】
【０００２】
構造解析シミュレーションは、外力が加えられた物体に関する物理量の時間的変化及び空間的変化を計算するシミュレーションである。構造解析シミュレーションのためのシミュレーションプログラムは、例えば、有限要素法（Finite Element Method，ＦＥＭ）により偏微分方程式を解くことで、変位、応力等の物理量を計算する。
【０００３】
構造解析に関して、構造解析シミュレーションを高速化するプログラムが知られている（例えば、特許文献１を参照）。フィルタ処理された格子接続性グラフを用いた地下シミュレーションも知られている（例えば、特許文献２を参照）。偏微分方程式により特徴付けられた現象のシミュレーションも知られている（例えば、特許文献３を参照）。マルチグリッド法を用いたデータ処理方法も知られている（例えば、特許文献４を参照）。
【先行技術文献】
【特許文献】
【０００４】
特開２０２３－９９０４号公報
米国特許出願公開第２０２３／０１１９８６１号
米国特許出願公開第２０１４／０２０７４２６号
特開２００８－１８６３６１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
特許文献１の構造解析シミュレーションでは、解析対象の剛性行列を係数行列とする連立一次方程式の解が、グラフ畳み込みネットワーク（Graph Convolutional Network，ＧＣＮ）を用いて求められる。この場合、ＧＣＮの入力データを生成する処理が収束しにくくなることがある。
【０００６】
なお、かかる問題は、ＧＣＮを用いて連立一次方程式の解を求める場合に限らず、様々な機械学習モデルを用いて解析対象に関する物理量を求める場合において生ずるものである。
【０００７】
１つの側面において、本発明は、機械学習モデルを用いて剛性行列から物理量を推論する際に、機械学習モデルの入力データを生成する処理の収束性を向上させることを目的とする。
【課題を解決するための手段】
【０００８】
１つの案では、データ生成プログラムは、以下の処理をコンピュータに実行させる。
【０００９】
コンピュータは、解析対象の剛性行列を、剛性行列の条件数よりも小さな条件数を有する処理対象行列に変換する。コンピュータは、処理対象行列を用いて次元削減処理を行い、次元削減処理の結果に基づいて、解析対象に関する物理量を推論する機械学習モデルの入力データを生成する。
【発明の効果】
【００１０】
１つの側面によれば、機械学習モデルを用いて剛性行列から物理量を推論する際に、機械学習モデルの入力データを生成する処理の収束性を向上させることができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許