Engineering AIの焦点は検証境界へ――航空MBSE、実験補正CFD、閉ループ科学、Agent統治
·643 文字·4 分
今日のご案内 ☕✨ # 今回の中心は、Engineering AIの評価軸が「モデルがどこまで答えられるか」から、「既存の設計・解析・試験系へどう接続し、どこで確実な検証境界を置くか」へ移っていることだ。中国航空发动机集团（AECC）は、MBSE、デジタル試験管制、联合仿真など7つの研究開発プラットフォームを調達対象に掲げ、cloud-native architectureに加えてAI Agentとの双方向連携を要件化した。Agentがplatformを呼ぶだけでなく、platform自身の能力をAPIとしてAgentへ公開する構成まで明記されている。
CAE側では、数値モデルを高精度に模倣するだけでは物理的妥当性を保証できないという問題がより具体化している。NASA Common Research Modelを対象にした研究では、CFDに対してR² > 0.99のsurrogateでも風洞計測との系統差が残り、実験データでresidualを学習させることでその差を補正した。ADEx-FNOも、学習モデルを最終solverとして置き換えるのではなく、従来CFDのwarm startへ使い、最終解は支配方程式solverに任せる構成を採る。
Scientific AIでも同じ構造が見える。核融合制御のPACMANは複数AI controllerを20 ms級で動かしながら、最後の出力段で競合解決とhardware safety limitを強制する。材料探索では、database、physics constraint、simulation、Agent、automated synthesis、experimental feedbackを一つのclosed loopへ結ぶことが課題として整理され、自律化そのものより、状態保持・監査・安全限界の設計が重要になっている。
企業Agentでは、sandbox、identity、runtime cost、効果測定が運用上の主戦場になりつつある。GitSpawnはtoolの暗黙動作がtrust boundaryを越える危険を示し、OpenAIの社内telemetryは高強度なAgent利用が大きなinference costと並列実行量を伴うことを示す。モデルアクセスだけを導入と見なす段階は終わり、実行環境、検証、権限、費用、physical capacityまで含めて一つのシステムとして設計する必要がある。
1. AECC、航空エンジンR&Dの7基盤にAgent双方向連携を要件化 # 中国航空发动机集团（AECC）は8月31日、研究開発業務向けのデジタルプラットフォーム7種について公開調達を開始した。対象は、仮想構想検討、要求管理、MBSEベースのsystem modeling、科学技術・innovation management、デジタル試験管制、統合project management、联合仿真で、MBSE領域ではwhole-engine級のsystem architectureまたはsystem simulationの導入実績も要求している。