コンピュータ自動設計 - 百科事典

以下は、提供された英文の日本語への翻訳です：

---

**デザイン自動化とは**
デザイン自動化は通常、電子デザイン自動化（EDA）や、製品構成ツールとしてのデザイン自動化を指します。コンピュータ補助デザイン（CAD）を拡張し、自動設計やコンピュータ自動設計（CAutoD）は、自動車工学、土木工学、複合材料設計、制御工学、動的システムの識別と最適化、金融システム、産業機器、機械システム、鉄骨構造、構造最適化、そして新しいシステムの発明など、より広範な応用に関心があります。

CAutoDの概念は、1963年にIBMの研究開発誌に記載されたコンピュータプログラムで初めて現れました。

**特定のハードウェア設計の制約を持つ論理回路の検索**
これらの論理を、認識すべき文字セットのサンプルに対する識別能力に基づいて評価します。

最近では、従来のCADシミュレーションは、進化的計算やハエの群れの知能などの生物学にインスパイアされた機械学習技術によってCAutoDに変換されています。

---

**パフォーマンス向上によるデザインのガイド**

品質と競争力の絶え間なく増大する需要に応じて、繰り返しの物理プロトタイピングは現在、多くの場合、「優れたデザイン」の「デジタルプロトタイピング」に置き換えられています。これは、最大出力、エネルギー効率、最高速度、コスト効率などの複数の目標を満たすことを目的としています。デザイン問題は、知識のある範囲内で最も良いデザインを見つけること（「学習」や「最適化」を通じて）と、現在のそれらを超えた新しいそしてより良いデザインを見つけること（創造や発明を通じて）に関連しています。これは、ほぼ確実に多変量、多模の空間における検索問題に等価です。

---

**正規化された目標関数：コスト対適応度**
単一目標のCAutoDを使用して例を示すと、目標関数がコスト関数として

\[ J \in [0, \infty) \]

または逆に、適応度関数として

\[ f \in (0, 1] \]

で、その適応度関数は

\[ f = \frac{J}{1 + J} \]

で、多変量空間における実際の制約の下で微分可能であり、デザイン問題は解析的に解決できます。零階の一次微分がゼロで、二階の微分条件を満たすパラメータセットを見つけることで、すべての局所的最適点が明らかになります。そして、すべての局所的最適点のパフォーマンス指標とすべての境界パラメータセットの値を比較することで、全域的最適点が導かれます。これにより、対応する「パラメータ」セットが最も良いデザインを表現します。しかし、実際には、最適化は通常、複数の目標を含み、微分に関連する問題が非常に複雑です。

---

**実際の目標に対処**

実際には、目標値はノイズがある場合や数値でない場合があり、そのため、その勾配情報は信頼性が低いまたは利用できないことがあります。特に、問題が多目標の場合は特に真実です。現在、多くのデザインや改良は、CADシミュレーションパッケージの助けを借りた手動の試行錯誤プロセスで行われています。通常、この後天的な学習や調整は、満足のいくまたは「最適」なデザインが現れるまで何度も繰り返されます。

---

**完全探索**

理論的には、この調整プロセスは、完全探索などのコンピュータ化された検索によって自動化できます。これは指数関数的なアルゴリズムであり、実際には限られた期間内に解を提供する可能性がありません。

---

**多項式時間内の探索**

バーチャルエンジニアリングや自動設計に用いる一つのアプローチは、進化的計算のような進化的アルゴリズムです。

= 進化的アルゴリズム =

探索時間を短縮するために、生物学にインスパイアされた進化的アルゴリズム（EA）を使用することができます。EAは（非決定論的）多項式アルゴリズムです。EAに基づく多目標「探索チーム」は、バッチモードで既存のCADシミュレーションパッケージとインターフェースできます。EAはデザインパラメータを（非数値的なパラメータがある場合には必要な場合には）エンコードし、並行およびインタラクティブな検索を通じて複数の候補を精査します。探索プロセスでは、「生存競争」を通じて「適応度の高いものが生存する」後に学習が行われます。次の「世代」の可能な解を得るために、候補間で一部のパラメータ値が交換され（「交叉」と呼ばれる操作によって）、新しい値が導入されます（「変異」と呼ばれる操作によって）。このようにして、進化的技術は、人間のデザイナーと同様に、過去の試行情報を知能的に利用します。

EAに基づく最適なデザインは、デザイナーの既存のデザインデータベースから、またはランダムに得られた候補デザインの初期世代から始められます。数多くの進化した最上位の候補が、自動最適化されたデジタルプロトタイプを代表します。

デザインのためのインタラクティブな進化的アルゴリズムを示すウェブサイトがあります。 は、オンラインで3Dオブジェクトを進化させ、それを3Dプリントできるようにします。 は、2D画像に対して同じことを行うことができます。

---

**参照**

---

**外部リンク**

オンラインでインタラクティブなGAに基づくCAutoDデモンストレータ。ステップバイステップで学習したり、2パラメータのCAutoDにおけるグローバル収束を観察できます。