人工知能（AI）、機械学習（ML）、ディープラーニングアプリケーションにおけるシミュレーションの役割と、AnsysがシミュレーションソフトウェアにAIとMLをどのように組み込んでいるかについて紹介します。
スピードと精度を加速
Ansysでは、AI/ML手法を用いてシミュレーションパラメータを自動探索し、スピードと精度を同時に向上させています。
拡張（Augment）シミュレーション
AI/MLは、チップの熱ソリューションを加速し、局所領域での高忠実度ソリューションと粗い領域でのML手法を組み合わせた流体ソルバーを開発することができます。
ビジネスインテリジェンスの獲得
Ansysシミュレーションソルバー向け計算リソースの予測ニーズなどのビジネスインテリジェンス決定を促進します。
設計スペース探索の最適化
AI/MLは、初期の製品最適化作業をガイドし、エンジニアが何千ものパラメータに基づいて最適な設計空間を迅速に見つけるのを支援します。
Ansys Fluent が人工知能（AI）を有効に活用し、精度を落とさずにパフォーマンスを向上させる方法を紹介します。初期の結果では、86 倍のスピードアップを実現しました。
Michael P. Brenner氏は、ハーバード大学のマイケルF.クローニン応用数学および応用物理学の教授です。また、Google Research 社のリサーチサイエンティストでもあります。Brenner 氏は、Ansys と Google Research 社との共同研究の概要を「Machine Learning Convective Discretizations through User-Defined Functions in Fluent」として発表しています。
AI/ML技術は、スマートエージェントの自然言語理解、ソーシャルメディアの感情分析、金融のアルゴリズム取引、創薬、電子商取引の推薦エンジンなど、多くの産業で成功裏に応用されています。
シミュレーションエンジニアリングにおいてAI/MLが果たす役割について、人々は知らないことが多いようです。実際、AI/MLはシミュレーションエンジニアリングに適用され、顧客の生産性を革新し、促進するために不可欠です。AI/MLで強化された高度なシミュレーション技術は、エンジニアリング設計プロセスを下支えしています。
感知、判断、行動、そしてその結果に基づいて適応することができるプログラムを表す概念としての人工知能は、少なくとも最初のコンピュータの時代から存在していました。
機械学習は、アルゴリズムに分類されたデータを与えることで、明示的にプログラムしなくても時間の経過とともにアルゴリズムが改良され、AIを実現するための手段です。
MLを実現する手段としてのディープラーニングは、人間の脳がデータを分類するなどして判断する方法を模倣しようとするアルゴリズムである人工ニューラルネットワークを利用するものです。そのため、大量のデータとハイパフォーマンスコンピューティング（HPC）を必要とします。
自動運転車の誘導、エネルギー使用量の予測、複雑な物理学の学習によるエンジニアリングシミュレーションの加速など、アルゴリズムを学習するのに十分なデータが収集できる場所であれば、どこでもAI開発の対象となります。
自動運転車の技術開発は、センシング技術、機械学習、人工知能の新たな発展を必要とする困難な課題です
先進運転支援システム（ADAS）や自動運転車の開発は、前例がないほど困難な課題です。安全性と信頼性を確保するためには、何十億マイルもの路上テストが必要になると試算されています。この不可能を可能にするのは、エンジニアリングシミュレーションの力を借りるしかありません。シミュレーションでは、何千もの走行シナリオと設計パラメータを、精度、スピード、コスト効率に優れた手法で仮想的にテストすることができます。
この60分間のウェビナーでは、自動運転車やADASの開発においてシミュレーションが不可欠な6つの具体的な分野について説明します。また、ADASと自動運転車のシミュレーションに必要なツールを特定しながら、シミュレーションの利点について例を挙げて説明します。
AIは、エンジニアがスピードのために精度を犠牲にすることなく、大規模で複雑な設計をより迅速に処理することを可能にします。
Ansysは、Ansys RedHawk-SC 製品ファミリ内でディープニューラルネットワークを使用して、モンテカルロシミュレーションを最大100倍高速化し、タイミングに対する電圧の影響をより良く理解できるようにしました。
ある自動車業界のお客様は、Ansys OptiSLangの機械学習技術を利用して、前方の車両が突然車線を変更し交通が滞る、いわゆる「スタック」問題の自律的な解決策を発見しました。その結果、従来のモンテカルロ法を使用した場合よりも1,000倍速く、この解決策を見つけることができました。
AI / MLの活用により、仕様に基づいて1万通りの設計を探索し、ハイパフォーマンスコンピューティングとAnsys Cloudで迅速にシミュレーションを行い、設計者に最適な選択肢を提供するジェネレーティブデザインの世界に入りつつあります。
AIや機械学習アルゴリズムを搭載した次世代の自動車、モバイル、ハイパフォーマンスコンピューティングアプリケーション向けの半導体チップでは、より大きく、より速く、より複雑な先進の16/7nmシステムオンチップ（SoC）を使用することが必要です。
モバイルネットワークの過去、現在、未来、そして5G、エッジコンピューティング、人工知能機械学習の融合がどのように業界の展望を変えていくのかを紹介します。
SkyAngels 社が、非分離空域を所定の認証経路で航行する自律飛行体の計算知能の開発を、Ansys のシミュレーションでどのように支援したかをご覧ください。
