今日のご案内 ☕✨#
NAFEMSとRescaleは10月28日、CAE向けAIの比較の場AIPhysics.orgを始めた。学習用のデータは公開するが、テストに使う事例は公開しない。最初の課題は、穴あき板、2次元翼型、DrivAerML（乗用車の外部空力）、HiLiftAeroML（高揚力の航空機）、OpenRadiossの正面衝突の5問だ。主催するRescale自身のモデルも、同じ規則で採点されるという。
前回との違いを先に書く。前回は、数字を「どの範囲で」確かめたかを見た。今回は、その確かめを「誰が、見えないデータで」行ったかを見る。テストを見せない盲検評価、事前に登録して封印したテスト、段階ごとの受入基準で「未達」を分けて書く報告が、同じ日に並んだ。前回のPhysicsXの提携発表と同じく、今回のデータセンターのデジタルツインの試行も、成果の数字は発表文に無い。
1. NAFEMSとRescale、CAE向けAIの盲検ベンチマークAIPhysics.orgを開始、最初は構造・流体・衝突の5問#
NAFEMSは10月28日、ミュンヘンで開いた「CAEにおけるAIと機械学習」の会議で、エンジニアリング・シミュレーション向けのAI手法を比べる、独立した公開のベンチマークAIPhysics.orgを発表した。統治と評価の方法はNAFEMSが運営委員会で決め、Rescaleが創設の技術パートナーとして、サイト、投稿と評価の仕組み、テストデータを非公開に保つ基盤、評価の計算資源を受け持つ。参加者は公開の学習データでどんな道具を使って学習してもよく、テスト事例は公開されないので、テストに合わせた調整はできないという。コードと重みは非公開のままで投稿できる。参照の計算も含めて、すべての投稿を同じ手順と採点で評価し、方法の変更は公開の決定記録に残すとしている。
💡 注目しておきたい理由: これまでこの欄では、論文や企業がそれぞれ自分で選んだ相手と条件で「何％良い」を言う例を見てきた。第三者が持つ見えないテストで、同じ採点にかけるのは、その逆の作りだ。ただし発表の時点で、評価の指標や合否の基準、結果はまだ出ていない。指標と評価の方法は、分野ごとに作業部会を作って話し合うとしている。
- 🔗 情報源: NAFEMS
- 🕰️ 公開日時: 2026-10-28
- 🗂️ 分類: AIPhysics.org・盲検の保留テスト
2. ChipNexus、アナログ設計のAIエージェントを提供開始、DRC違反やLVS不一致は「未完了」として返す#
ChipNexus（旧Primis AI）は10月27日、アナログ設計向けのNEX Analog Agentの提供を始めたと発表した。顧客がすでに持つCadence Virtuoso、Spectreのシミュレーション、SiemensのCalibreの物理検証を、手元のライセンスとPDKのまま使う。回路図とレイアウトの編集、ネットリストの書き出し、Spectreでのシミュレーション、DRCとLVSの検査までを、段階ごとに受入基準を決めた下位のエージェントに任せる。各段階の報告は、成功した作業、動いたが受入基準に届かなかった作業、動かせなかった作業を分けて書き、DRC違反やLVSの不一致は完了とせず修正に戻すという。顧客の事例では、RFの技術者が10GHzを超える設計を3つのプロセスで検証し、環境の準備、掃引、解析をプロセスごとに1〜2時間で済ませたとしている。
💡 注目しておきたい理由: 「できた」と「動いたが基準に届かない」を分けて報告する、という作りは、合否の基準を先に決めておく話そのものだ。一方、1〜2時間という数字には、手作業なら何時間かかったかという比べる相手が発表文に無い。顧客名も伏せられている。
- 🔗 情報源: ChipNexus（Business Wire配信、TMCnet掲載）
- 🕰️ 公開日時: 2026-10-27
- 🗂️ 分類: ChipNexus・段階ごとの受入基準
3. Schneider Electric、AVEVA、Nscale、Start Campus、AIデータセンターのデジタルツインの試行を発表、効果の数字は無し#
Schneider Electricなどは10月27日、ポルトガルのSINES Data Campus（1.2GW）にあるNscaleのSIN01データセンターで、NVIDIA Omniverse DSX Blueprintを使った端から端までのデジタルツインの試行を発表した。OpenUSDの上で各社の技術をつなぎ、Nscaleの計算の負荷の要件と、電力、冷却、電気、運用のモデルを結ぶ。現地で変える前に、電力、冷却、工程の「もし〜なら」を試し、設計の判断を確かめるためだという。キャンパスには今後66,000基を超えるNVIDIA Rubin GPUが入るとしている。
💡 注目しておきたい理由: 発表文には、何を合格の基準にしたか、ツインの予測が実際の電力や冷却の値とどれだけ合ったかは書かれていない。Nscaleが得る効果も「見込む」という書き方だ。試行の発表は、検証の結果とは分けて読むのがよい。
- 🔗 情報源: Schneider Electric（GlobeNewswire配信）
- 🕰️ 公開日時: 2026-10-27
- 🗂️ 分類: Schneider ElectricとNscale・数字の無い試行
4. 自律実験室の代理モデルはいつ信頼できるか、事前登録した封印テストで調べ、雑音の読み方で94％が27％に変わる#
Zhang氏は、学習した設計の代理モデルを装置につなぐ自律実験室で、新しい対象に移るたびに答えるべき4つの問い（いつ信頼できるか、何回測れば足りるか、どれから測るか、いつ打ち切るか）を、測れる量に置き換える枠組みを示した。湿った実験はせず、液滴マイクロ流体とリポソームの公開の表6つを「オフラインの実験室」として使い、グループを1つずつ外す107の段に分けた。2つの封印した否定的な検証と、さらに3つの表での事前登録したテストを含む。開発時の基準の1.25倍以内に戻るまでに要る対象の測定を20行以内とすると、化学の段では94％で達したが、雑音の下限を厳しく読むと27％だった。装置の段では40％にとどまった。ランダムに分けたデータでのモデルの順位は、封印テストの順位も、繰り返しの中での順位も当てられなかったという。
💡 注目しておきたい理由: 同じ結果でも、合格の読み方を厳しくすると94％が27％になる。どの基準で数えた割合かを、数字と一緒に書く必要がある。著者は湿った実験での検証はしていないと明記している。
- 🔗 情報源: arXiv
- 🕰️ 公開日時: 2026-10-26
- 🗂️ 分類: 自律実験室の代理モデル・事前登録の封印テスト
5. 高価なシミュレーターのベイズ逆問題、手法の効率は計算予算で比べ、対数尤度をそのまま代理モデルに学ばせるのは不利#
Soldát氏とŠmídl氏は、1回の計算が高価なシミュレーターを使うベイズ推定の手法を1つの枠組みにまとめ、設計上の選択を、必要なシミュレーションの回数（予算）で系統的に比べた。効率をいちばん左右したのは、代理モデルに何を予測させるかだった。広く使われる対数尤度の値1つは、情報を捨てるので不利だという。代わりに、シミュレーターの出力を、情報を残し応答面が滑らかになるように変換した「代理変数」を提案し、標準の選び方より効率がかなり上がったとしている。Juliaのパッケージも公開した。
💡 注目しておきたい理由: 比べる物差しを「必要なシミュレーションの回数」にそろえている。何回計算を回すかが分母になる。効率の差がどれだけかの数字は、要旨には無い。
- 🔗 情報源: arXiv
- 🕰️ 公開日時: 2026-10-27
- 🗂️ 分類: 高価なシミュレーターの逆問題・計算予算で比べる
6. 旅客機の形を性能から生成するCEGAN、外挿の条件で誤差を46％以上減らすが、評価はOpenVSPの計算#
Yu氏、Kou氏、Zhang氏は、目標の空力性能を入れると機体の形を生成する敵対的生成ネットワークで、形の制約や性能から外れる問題に対し、形の実現性と性能の罰則を損失に入れたCEGANを提案した。性能の罰則は、同じデータで学習した代理モデルで評価し、出力のうち実現できない形は代理モデルで捨てる。Cessna Citation Xに似た機体を28個の形のパラメータで表し、空力性能はOpenVSPで計算した。基準のモデルと比べ、生成の平均誤差は内挿の条件で36％以上、極端な外挿の条件で46％以上小さかった。
💡 注目しておきたい理由: 内挿と外挿を分けて数字を出している点はよい。ただし性能の正解はOpenVSPという概念設計向けの計算で、高忠実度のCFDや風洞ではない。罰則にも同じデータで学習した代理モデルを使うので、代理モデルの誤りが生成と選別の両方に入りうる。
- 🔗 情報源: arXiv
- 🕰️ 公開日時: 2026-10-25
- 🗂️ 分類: 旅客機の生成設計・外挿条件の誤差
7. 非線形の構造の同定、深いベイズフィルタの解説で、測定を見ながらの再構成と先の予測は別物と示す#
Liu氏、Vlachas氏、Chatzi氏は、測定データから非線形の構造の動きを同定する深いベイズフィルタの手法を、解説としてまとめた。データだけのDeep Markov Modelを基準に、物理の構造を入れたPgDMMと、微分できるカルマンフィルタのNeural EKFを、ヒステリシスのある接合部を持つ3次元のせん断骨組を少数の加速度計で測る問題で比べた。結果は、測定を条件にした状態の再構成と、測定なしで先を予測する場合とで、はっきり違った。物理の構造を入れると潜在の状態は解釈しやすくなるが、それで予測の忠実さが保証されるわけではないという。
💡 注目しておきたい理由: 「再現できた」が、測定を見ながらの再構成なのか、測定なしの予測なのかで、意味がまったく違う。デジタルツインの精度を言うときも、どちらの数字かを分けて書く必要がある。
- 🔗 情報源: arXiv
- 🕰️ 公開日時: 2026-10-27
- 🗂️ 分類: 構造の同定・再構成と予測を分ける
8. 振る舞いが急に切り替わるシミュレーション、切り替わる境目を回帰でなく分類で探すと少ない計算で済む#
Betti氏、Chatzi氏、Tiso氏は、入力のパラメータを変えると動き方が不連続に切り替わるモデルで、その境目を探す方法を提案した。境目の両側を1つの縮約モデルで表すには多くの学習データが要るので、先に境目を見つけて領域を分けたい。出力が不連続な場合、回帰で等高線を推定する方法はうまくいかないことがあるので、2値の分類の問題として解き、サポートベクターマシンの推定した境目に沿って、勾配を使って次に計算する点を選ぶ。解析的な例と数値の例で、既存の能動学習より少ない計算回数で済んだとしている。
💡 注目しておきたい理由: 縮約モデルや代理モデルの誤差は、振る舞いが切り替わる境目の近くで大きくなりやすい。どこに境目があるかを先に知っておけば、受入の判定をどこで厳しくすべきかが分かる。何回の計算で済んだかの数字は要旨には無い。
- 🔗 情報源: arXiv
- 🕰️ 公開日時: 2026-10-26
- 🗂️ 分類: 不連続なモデル・領域の境目を分類で探す
9. GPUで動く微分可能なPDEソルバーdiff-soup、硬い問題で既存の枠組みより1〜2桁速いとするが、比べた相手は要旨に無い#
Degnan-Morgenstern氏とBazant氏は、空間を離散化すると大きく硬い連立方程式になるPDEを、GPUで解き、その解を通して微分できるJAXのライブラリdiff-soupを公開した。疎な直接法にはNVIDIA cuDSSを使い、複数GPUでの並列にも対応する。硬いPDEのベンチマークで、既存のCPUとGPUの枠組みより、順方向の計算と勾配の両方で1〜2桁速かったという。構成則を推定するベイズ推定と、3次元の充填層反応器の触媒活性をニューラル場で学習する例を示している。
💡 注目しておきたい理由: 先週取り上げたcuDSSを、研究用のソルバーで使った例だ。「1〜2桁」は、どの枠組みと、どの問題の大きさで比べたかで変わる。要旨には比べた相手の名前が無いので、本文で確かめる必要がある。
- 🔗 情報源: arXiv
- 🕰️ 公開日時: 2026-10-27
- 🗂️ 分類: 微分可能なPDEソルバー・比べた相手と問題
10. マッハ6の境界層をDSMCで計算、外から乱れを与えず、粒子の数で雑音の大きさを決めて不安定を調べる#
Senkardesler氏、Karpuzcu氏、Levin氏、Theofilis氏は、遷移の予測で乱れの大きさを「仮定して与える」問題に対し、直接シミュレーション・モンテカルロ法（DSMC）でマッハ6の窒素の平板境界層を、外からの乱れを一切与えずに計算した。残る揺らぎは、DSMCの粒子が有限であることによる確率的な揺らぎだけだ。粒子の数を変えると、時間平均の流れはそのままで、雑音の下限を予測どおりに決められる。この揺らぎに動的モード分解をかけて周波数や増幅などを取り出し、線形安定性理論の第2モードの帯域に入ることを確かめた。
💡 注目しておきたい理由: 乱れの大きさを、決め打ちの入力ではなく、粒子の数という独立に変えられる数値のつまみで決めている。入力の仮定を減らし、その仮定を別の理論で確かめる、という確かめ方の例だ。
- 🔗 情報源: arXiv
- 🕰️ 公開日時: 2026-10-26
- 🗂️ 分類: 極超音速の境界層・粒子数で雑音を決める
11. 曲がった格子でも補間なしで流せる格子ボルツマン法、試した周期的な場合では質量と運動量の保存が丸め誤差の水準#
Sawaf氏、Latt氏、Adams氏、Shadloo氏は、滑らかに曲げた格子の上でも、一様な計算の格子の上で1対1にそのまま流す（補間しない）3次元の格子ボルツマン法を作った。座標変換は局所の計量とクリストッフェル記号の項でモーメント空間に入れ、D3Q27のキュムラント衝突演算子と組み合わせた。曲げた立方体の中で、らせん状のせん断波、テイラー・グリーン渦、ABC流を解き、粘性による減衰や一様流の保持を確かめた。さらに壁のある流れ、蠕動ポンプ、流体と構造の双方向の連成にも広げた。試した曲げた周期的な場合では、全体の質量と運動量が丸め誤差の精度で保存されたという。
💡 注目しておきたい理由: 「保存した」の範囲を、試した曲げた周期的な場合と限って書いている。壁のある場合や連成の場合は「実演」で、同じ精度の主張ではない。どこまでが検証で、どこからが実演かを分けて読む例だ。
- 🔗 情報源: arXiv
- 🕰️ 公開日時: 2026-10-27
- 🗂️ 分類: 曲線格子の格子ボルツマン法・保存の確かめ方
12. 引張と圧縮で剛性が違う材料のモデル、3点曲げのDICのひずみ場で同定し、荷重点の近くが最も合わないと明記#
Nayeban氏らは、引張と圧縮で剛性が違う材料の、粒子の微視的な力学に基づくモデルの剛性のパラメータを、3点曲げ試験のデジタル画像相関（DIC）で測ったひずみの場から逆に求めた。ひずみが弾性の範囲に収まるように試験を計画した。圧縮の剛性の初期値はメーカーのデータから、引張と圧縮の剛性の比は測定した中立軸のずれから決め、それをもとに実験と計算のひずみの場全体を比べて最適化した。同定したパラメータで、深さ方向の分布と面内の分布がより近くなったが、荷重を加える点の近くでは差が最も大きかった。
💡 注目しておきたい理由: 合わせた結果だけでなく、どこが最も合わなかったかを書いている。点ではなく場全体で合わせているのもよい。ただし差の大きさの数字は要旨に無い。
- 🔗 情報源: arXiv
- 🕰️ 公開日時: 2026-10-27
- 🗂️ 分類: DICで剛性を同定・合わない場所を書く
今日の紛れ枠#
テスト事例を見せない#
AIPhysics.orgはテスト事例を公開せず、自律実験室の研究は事前に登録したテストを封印した。どちらも、作る側がテストに合わせて手を入れられない作りだ。ランダムに分けたデータでの順位が封印テストの順位を当てなかった、という結果は、その作りがなぜ要るかを示している。
追う理由: 精度の数字を引用するときは、テストのデータを作る側が見られたかどうかを一緒に書く。
- 🔗 情報源: NAFEMS
- 🕰️ 公開日時: 2026-10-28
- 🗂️ 分類: テスト事例を見せない
未達を未達と書く#
ChipNexusのエージェントは、動いたが受入基準に届かなかった作業を「完了」と分けて報告し、DICの研究は最も合わなかった場所を書いた。逆に、データセンターのツインの発表は、試行の基準も結果の数字も示していない。
追う理由: AIの作業や解析の報告では、成功、基準に届かず、実行できず、の3つを分けて数える。
- 🔗 情報源: ChipNexus（Business Wire配信、TMCnet掲載）
- 🕰️ 公開日時: 2026-10-27
- 🗂️ 分類: 未達を未達と書く
本記事は公開情報をもとに編集されています。重要な判断にはリンク先の一次情報をご確認ください。