最近、機械学習を用いたCAE代理モデルの利用が広がっています。CAE代理モデルを利用すると瞬時に計算結果を予測することができ、設計工数の削減が期待できます。CAE代理モデルの学習には、事前に大量のCAE計算データを収集する必要がありますが、modeFRONTIERはこのデータ収集に大きな威力を発揮します。
ロータ形状画像から瞬時に出力トルクを予測する事例では、単に乱数ベースの実験計画でロータ形状を変化させてデータ収集を行うと、そのデータで学習した代理モデルでは、高トルクの予測精度が低下してしまいます。modeFRONTIERの最適化を活用して高トルクのデータ収集を改善すると、その改善データで学習した代理モデルでは、高トルクの予測精度を大幅に上げることができます。

解析種別：CNN、GAN、cGAN