形を変えたときの性能が見えるAIを開発

• 航空機の翼やジェットエンジンの羽根は、形のわずかな違い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詳しく調べる必要がありました。
• 形を少ない情報にまとめた上で、元の形を再現しながら性能を予測（※1）するAI（※2）の開発に成功しました。多数の候補を効率よく比較し、空気の抵抗が小さい翼や空気を効率よく圧縮する羽根の形を具体的に確認できます。
• 今後、航空機や産業機械の開発を加速し、燃料や電力の無駄を減らす省エネルギー設計への活用が期待されています。

　従来、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も変わります。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。複雑な形と性能の関係を、効率よく捉える方法が求められていました。
　そこで本研究では、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。多くの形を効率よく比較し、性能のよい具体的な形を確かめられる新たな仕組みです。
　仏国École Centrale de Lyon所属のJSPS外国人特別研究員であるThanasak Wanglomklang氏および九州大学大学院工学研究院の下山幸治教授らを含む研究グループは、翼や羽根の形と性能に関するデータをPI-GAEに学習（※3）させました。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。これにより、多数の候補を比べやすくなります。さらに、その少ない情報から元の形を再現します。そのため、予測した性能がどのような形に対応するのかを確認できます。当研究グループは、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。翼の空気抵抗は、実際の結果にほぼ近い精度で予測できました。また、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。
　今回の成果は、形の候補を詳しく調べる回数を減らすことに役立つと期待され、航空機や産業機械の開発を加速する可能性があります。燃料や電力の無駄を減らす設計にもつながります。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います。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。
　本研究成果は、学術誌「Computer Methods in Applied Mechanics and Engineering」に、2026年10月28日（水）にオンライン掲載されました。

(※1) 予測
　この研究においては、AIが学んだ関係を基に、まだ詳しく調べていない形について、空気の抵抗や空気を押し縮める働きなどを見積もること。

(※2) AI
　Artificial Intelligence（人工知能）の略。この研究においては、多くのデータから、翼や羽根の形と性能の関係を見つけるためのコンピューターの仕組み。

(※3) 学習
　この研究においては、AIにさまざまな翼や羽根の形と、そのときの性能の結果を多数示し、両者の関係を見つけられるようにすること。

掲載誌：Computer Methods in Applied Mechanics and Engineering
タイトル：A physics-informed geometry-embedded graph autoencoder for shape reduction, reconstruction, and surrogate modeling
著者名：Thanasak Wanglomklang, Frédéric Gillot, Sébastien Besset, Koji Shimoyama
DOI：10.1016/j.cma.2026.119534

• 本件の詳細はこちら

工学研究院　下山　幸治　教授