9/25 トポロジー最適化の基礎と実装方法 および活用事例・最新動向

大阪大学　准教授　博士(工学)　矢地 謙太郎　氏

専門：トポロジー最適化、機械学習を利用したデータ駆動型設計
2016年京都大学大学院工学研究科博士後期課程修了。博士（工学）。2016年より大阪大学大学院工学研究科助教。2021年4月より1年間、テキサス大学オースティン校Oden Instituteにて客員研究員。流体分野を中心としたトポロジー最適化や深層学習を利用した最適設計に関する研究に従事。
個人ウェブサイト：https://sites.google.com/view/yajiken

　構造物の各種性能はそれらの形に依存することから、「最適な形を如何に仕立て上げるか」というのは、工学設計における根源的課題と言えます。このような背景のもと、物理場の数値シミュレーションと最適化理論に基づき、極めて高い自由度の形状設計を実現する方法論としてトポロジー最適化があります。
　本セミナーでは、このトポロジー最適化を使いこなす上で必要となる基礎理論をわかりやすく説明し、構造、熱、流体といった様々な物理場における事例を紹介します。その上で、汎用ソフトウェアCOMSOL MultiphysicsとMATLABのサンプルコードを活用した実践的な実装方法について講じます。さらに、トポロジー最適化を利用した設計支援の枠組みとして注目を集めるジェネレーティブデザインについても触れ、機械学習を取り入れたジェネレーティブデザインの基礎理論および最新の研究成果を紹介します。

１．トポロジー最適化
　1.1 基本的な考え方
　1.2 最も代表的なトポロジー最適化〜密度法〜
　1.3 設計変数のフィルタリングとプロジェクション
　1.4 感度解析(随伴法)
　1.5 数理計画法
　1.6 構造・熱・流体問題における事例紹介
　　　：メタマテリアル、ヒートシンク、熱交換器、フロー電池etc.
 
２．具体的な実装法
　2.1 トポロジー最適化を実施するための様々なソフトウェア
　2.2 COMSOLとMATLAB
　2.3 サンプルコードの利用方法
　2.4 実演：熱伝導問題
　2.5 応用例の紹介：構造、熱、流体問題
 
３．最新の研究事例の紹介
　3.1 トポロジー最適化が抱える本質的課題
　3.2 マルチフィデリティ形態創成法
　3.3 ジェネレーティブデザインの基本的な考え方
　3.4 深層生成モデルを利用したデータ駆動型ジェネレーティブデザイン
　3.5 構造、熱流体問題における事例紹介
　3.6 今後の展望

　□質疑応答□

※詳細・お申込みは上記

「お申し込みはこちらから」（遷移先WEBサイト）よりご確認ください。