Altair PhysicsAI 2025リリースノート
お知らせ
HyperMeshやInspireのようなAltair GUI製品以外の予測のためのライセンスチェックアウトは、150 Altairユニットが必要になります。
新機能
- 新アーキテクチャ導入 - TNS (Transformer Neural Simulator)
- PhysicsAIは現在、新しいAIトレーニング方法であるTNS（Transformer Neural
Simulator）を提供しています。これは、既存の手法であるGCNS(Graph Context Neural Simulator）に追加されるものです。両者の主な違いは以下のとおりです。
- 通常、TNSはGCNSよりも滑らかなコンターを予測することが想定されます。
- TNSはメッシュサイズのばらつきによる影響が少ないと考えられます。
- GPU上では、TNSはGCNSよりも高速ですが、CPU上では一般的に逆です。
- シミュレーションエンティティ（板厚と材料ID）のネイティブ読み込み
- PhysicsAIは、トレーニングファイルと同じ場所にソルバーデックがある場合、板厚と材料IDを抽出できるようになりました。また、これらのデックは、対応するソルバーファイルと同じ場所に、拡張子を除いた名前を同じにして配置する必要があります。例えば、Ibeam.h3dというファイルにIbeam.femというファイルを置いた場合、Extract
Simulation Propertiesを選択することで、板厚と材料IDを抽出することができます。
図 1. 
機能強化
- 並進不変性のためのメッシュアライメント
- PhysicsAIは、メッシュの空間内での平行移動や回転に大きく影響を受けます。以前は、このノイズの原因を取り除くために、メッシュの向きを手動で調整する必要がありました。現在では、モデル学習時にメッシュアライメント機能を使用することで、学習、テスト、予測時にメッシュを調整することができます。メッシュは、重心が共通の点で一致するように配置されます。このオプションで修正できるのは並進不変性だけで、回転不変性は修正できません。
図 2. 
図 3. 
- データセットの可視化と異常値検出の強化
- これまでは、HyperStudyなどの他のツールを利用してデータを精査し、異常値を特定する必要がありました。本リリースでは、選択に基づいてデータセット内の外れ値を識別することが可能になりました。Z分布がデータフィッティングされ、3σ（3シグマ）テールに入る点が外れ値として強調表示されます。
図 4. 
- HyperStudyにおけるPhysicsAI Connectionの類似性スコア
- HyperStudyでPhysicsAI モデルを使った予測の類似性スコアにアクセスできるようになりました。これは、期待される正確さに基づいて結果を認定するために有用な応答です。例えば、類似性スコアが低い予測を拒否する制約として使用することができます。類似性スコアは、選択されたPhysicsAIモデルで利用可能であれば、応答として自動的に追加されます。
図 5. 
既知の問題
- HyperMesh内のRadiossソルバープロファイルで作成された予測は、モデルフィーチャー（板厚や材料など）が使用されている場合、正しく機能しないことがあります。この問題は、OptiStructなどの別のソルバープロファイルを使用することで回避できます。
解決された問題点
- イローディングされた要素は、可視化中に非表示となるように修正されました。以前は、イローディングされた要素は展開されたメッシュとなり、視覚的が分かりにくくなっていました。現在では、イローディングされた点の後に要素が非表示となります。
図 6. 
図 7. 
- 以前は、トレーニングデータに結果のないパートが含まれているとエラーが発生していました。これが、自動的にそのようなパートを除外し、トレーニングを続けることができるようになりました。
図 8. 