AI安全性・Agent Sandbox/Egress

今日のご案内 ☕✨ # 今日の中心は、Engineering AIが「助言する画面」から、設計・解析・製造を実際に動かす実行ループへ踏み込んでいることだ。GE VernovaのFORGEは生成設計、AIサロゲート、性能から形状へ戻す逆設計をタービン系ブレードで一続きにし、COMSOL Multiphysics 2027はMCP Server経由で外部Agentにモデル作成、変更、計算、結果確認、反復を許す。FANUCも図面解釈から溶接条件とロボット動作の生成までをつなぎ、AIの価値が自然言語応答ではなく既存の工学系を安全に操作できるかへ移っている。 同時に、Scientific AIでは「生成できること」より検証可能性が差になる。Paper2Agentは論文の手法をMCPツール化し、参照出力と一致しないツールを除外する。MatSemNetは文献由来のマルチモーダル表現を触媒候補へつなぎ、実験で性能を確認した。日本発の自動合成platformもLLM生成コードを実機に接続し、ZIF-8合成の再現性まで示している。 企業側では、MBSE、計測、Digital Twin、AI利用統治が同じ問題に収束する。安全なon-premise環境、inspection data、OT/IT間のinterface、Agentのnetwork egress、従業員のShadow AIまで、実装価値は「どこまで実行させ、どこで検証し、誰が責任を持つか」で決まる。モデル性能だけではなく、traceabilityとvalidation gateを含む運用設計が主戦場になっている。 1. タービン翼設計を「生成→高速評価→逆設計」の閉ループへ # GE Vernova Advanced ResearchはMIT、University of Marylandと9か月のFORGE（Framework for Optimized Rotating blade design using Generative Engineering）projectを進めている。対象は風力、ガスタービン、水力などのrotating-machinery bladeで、生成設計、AI-enabled surrogateによる高速評価、目標性能から形状へ戻すinverse designを一つのpipelineとして扱う。GE Vernovaは、従来の「形状を決めてsimulationで性能を見る」流れを、性能targetから直接設計を探索する方向へ反転させると説明している。

今日のご案内 ☕✨ # 今日の中心は、Engineering AIの競争軸が「広い条件を一度に学習した大きなモデル」から、どこまで転移できるか、どこで残差を見て学び直すか、どの制約を最後まで満たすかという検証可能な境界設計へ寄っていることだ。Linearized Subspace Transferは単一条件で学習したneural solverのoutput Jacobianを再利用し、Active Transfer Modelingは残差を見ながら応答空間を追加する。別の研究では、凍結したdiffusion priorに終端feasibilityを課すBackward SDEを組み、生成と制約充足を分けずに扱う方向が示された。 一方、航空・製造ではデジタル技術の価値が最終的に物理的な量産能力と更新可能性へ接続する。Northrop GrummanはB-21向けのEast Gate 3を開設して生産能力を拡張し、BAE Systemsは小型航空プラットフォーム向けにsoftware-defined、open-architecture、field-upgradeableを掲げるShadow EWを発表した。設計やsimulationの高度化だけでなく、工場、供給網、software lifecycleまで含めて成果を測る必要がある。 Enterprise Agentも同様で、MCP/A2Aへの接続数だけでは本番準備度を測れない。Genesysは接続、spec-driven development、testing、auditabilityを一つの実行面へまとめる一方、外部package infrastructureへ触れるAgent事案や各国のガイドライン検討は、network egress、外部書き込み、physical system境界まで統治対象が広がることを示している。AI導入率についても、利用、scale、ROI、physical deploymentを一つの「adoption」に畳むと判断を誤る。今日の複数シグナルは、モデル性能よりも検証、境界、運用をどう設計するかが実装力になることを揃って示している。 1. 単一条件solverのJacobianを、近傍条件へ転移できる応答空間として再利用 # Wenbo Caoらの研究は、1条件で学習したneural solution modelのoutput Jacobianが、近傍のparametric PDE条件に対する解変化を表す再利用可能なresponse spaceになると示した。Linearized Subspace Transfer（LST）は、その空間上で対象PDEの残差を最小化して新しい条件の解を求める。さらにActive Transfer Modeling（ATM）は、転移後の残差をcoverage不足の指標として使い、必要なときだけ別条件のresponse spaceを追加する。