Altair PhysicsAIを用いて、PET容器の圧縮解析に関するサロゲートモデルを構築した事例です。本事例では、ボトルキャップ上部を下方向に圧縮した際の容器全体の変位分布を予測するモデルを作成しています。
Radiossを用いて、容器の持ち手穴の位置を変更した複数の解析パターンを準備し、それらの結果をPhysicsAIに学習させました（上図参照）。そして、新たな持ち手穴の形状パターン（下図左）に対するPhysicsAIの予測結果と、Radiossによる解析結果を比較したところ、両者の変位分布は概ね一致しています。
一般的に、高精度な予測モデルの構築には多数の学習データが必要とされますが、PhysicsAIでは、わずか数パターンの解析結果を学習させるだけで、3次元の物理量分布を予測することが可能です。そのため、従来手法と比べて、モデル構築の手間を大幅に軽減できます。
さらに、PhysicsAIによる予測は数秒で完了するため、解析時間を大幅に短縮でき、多様な設計パターンの迅速な検討が可能になります。PhysicsAIは、PET容器設計におけるAI活用を、効率的かつ実用的に実現する強力なツールです。
