従来のCAEでは、物理支配方程式をステップごとに計算することで、大規模な解析ともなると1回の解析に数日から1週間超を要することもあり、膨大な時間・コスト・専任人材が必要でした。RICOSは、独自AIアルゴリズム「IsoGCN」をはじめ、設計・解析のワークフロー全体の自動化・高速化に取り組んでいます。これらを通じて、解析時間の大幅な短縮、各部門によるコンカレントな設計プロセスの実現、そしてCAE専任者や既存HPCへの依存からの解放を可能にします。

AI-CAEツール

シミュレーションは1回あたり1日〜1週間程度かかることもあり、複数回の試行錯誤を行う場合、大きな計算時間と費用がかかってしまうのが現状です。そこでRICOSは、より高速でインタラクティブな設計・評価が可能になるよう、シミュレーションデータへの適用に特化したAIアルゴリズム「IsoGCN」を中心とした、高速かつ複雑形状の解析を高精度で予測できるアルゴリズムを日夜開発しています。

CAEワークフローの自動化・高速化

シミュレーションを行うためには、設計→CAD形状の作成→メッシング→条件の設定→計算→評価と、工程が複雑なだけでなく高度な知識を持った技術者が必要です。RICOSはこれらの工程を自動化・高速化を実現するために以下の基盤技術やOSSを開発しています。

予測モデル利用による開発プロセスのコンカレント化

従来のCAEワークフローでは、各部門の要求に応えるために多くのCAE専任者や外部エンジニアリング会社の大きな稼働が前提となっており、時間とコストの両面で大きな負荷や、手戻り、形状検討数の限界が生じていました。これらの工程の一部にAI-CAEの予測モデルを導入、高速な解析を行うことで、各部門が独立して解析結果を作成・共有・確認できるコンカレントな開発プロセスが実現できます。これにより圧倒的な解析リードタイムの低減や手戻りの減少、また、既存のCAEソフトウェアやHPCリソースの大幅な削減にも可能です。