Revolutionizing Engineering: AI’s New Role in Solving Complex Equations Faster Than Supercomputers (Japanese)

スーパーコンピューターは、高性能を発揮し、複雑な計算問題を解決することができます。世界で最も速いコンピューターであるこれらのマシンは、巨大なデータセットを処理し、高速で複雑な計算を実行できます。1秒あたり1クインティリオンの計算を実行することができます。

興味深いことに、先週、テクノロジー大手のGoogleは、超伝導キュービットを使用する次世代チップ「ウィロー」を発表しました。このチップは、5分で複雑な数学的な問題を解決し、エラーを指数関数的に削減することができます。

しかし、量子チップは、現代の暗号化を破るにはまだまだ遠いものです。

一方、ジョンズ・ホプキンス大学の研究者が開発した新しい人工知能（AI）技術は、スーパーコンピューターを上回る速度で複雑なエンジニアリング問題を解決することができます。この新しい技術的解決策は、エンジニアリング分野でゲームチェンジャーになる可能性があります。

新しいAIの時代

AIは、数年間にわたってホットトピックとなってきましたが、ついに有意義にさまざまな業界で利用されるようになってきました。効率性と生産性を高めるための巨大な潜在能力により、市場は今年184億ドルを超える規模に成長し、2030年代末までに1.5兆ドル以上の収益増加が予測されています。

最近の報告によると、68%の組織は、ジェンAIを積極的に利用しているか、または成功したパイロット実装に基づいてロードマップを開発しています。

AIは、特にエンジニアリングのランドスケープを変革しつつあり、人々は旧来のものになるという課題に直面しています。推定によると、次の10年間で、エンジニアリングタスクの最大40%が自動化される可能性があります。

AIの影響を理解するには、AIは単に人間の思考、学習、理解、問題解決、意思決定、創造性をシミュレートできるようにマシンとコンピューターを可能にする技術であることを理解する必要があります。

AIの下には、アルゴリズムをトレーニングしてデータを使用して決定と予測を行うモデルを作成するマシンラーニングがあります。

マシンラーニングアルゴリズムやテクニックにはさまざまな種類がありますが、最も人気のあるタイプの1つは人工ニューラルネットワークです。これらのネットワークは、人間の脳の構造と機能をモデル化しています。

ディープラーニングは、マシンラーニングのサブセットであり、複数層のニューラルネットワークを使用して、人間の脳の複雑な意思決定能力をシミュレートすることができます。これらのネットワークはデータから学習し、画像や音声の認識から自然言語の処理まで、さまざまな問題を解決するために使用されます。

ディープラーニングは、複雑なデータとのやり取りの方法を完全に変え、人間のパフォーマンスを上回り、高い精度を達成することができます。

複雑な問題に対するAIの使用

AIは、繰り返しのタスクの自動化、人間のエラーの削減、24時間365日の稼働、意思決定の強化など、多くの利点を提供し、さまざまな業界のビジネスで使用されています。

AIの技術は、巨大なデータを効率的に分析し、人間が見逃した可能性のあるパターンを特定し、迅速な計算を実行することができるため、複雑な問題を解決するための優れたツールとなります。

大きなデータセットや複雑な意思決定シナリオに直面したとき、AIは非常に役立ちます。

したがって、複雑な問題を解決するためにAIを使用することに注目が集まっています。MITとETHチューリッヒの研究者は、1年前に、機械ラーニングを使用して、FedExのような会社のホリデーパッケージの最適なルーティング問題を解決しました。

これらの会社は、MILPソルバーと呼ばれるソフトウェアを使用していますが、これは問題を小さなピースに分割し、最適なソリューションを見つけるために汎用アルゴリズムを使用します。

ここでの重要な点は、MILPソルバーには多すぎる潜在的なソリューションがあることです。研究者は、このステップを簡素化するフィルタリングメカニズムを使用し、精度に影響を与えることなくMILPソルバーを30〜70%高速化しました。

ロンドンに拠点を置くスタートアップのPhysicsXは、先月、LGM-Aeroと呼ばれる大規模な幾何学モデルを導入しました。これは、航空宇宙エンジニアリングに役立ち、航空機の概念開発時間を大幅に削減することが期待されています。

このモデルは、Amazon Web Services（AWS）クラウドコンピュートを使用して、25百万以上の異なる形状、10億以上の頂点を表すデータでトレーニングされています。

新しいAIモデルによるPDEの解決

AIの使用と人気は、研究者や会社が技術を改善し、より正確にするために働いているため、急速に成長しています。

ジョンズ・ホプキンス大学の研究者による最新のAIフレームワークは、時間のかかる数学方程式の解を予測するための汎用アプローチを提供しています。部分微分方程式（PDE）は、エンジニアリングと医学研究の分野で一般的なタスクです。

しかし、これらの方程式を解くための計算コストは非常に高くなる可能性があります。さらに、これらの巨大な数学問題を解くには通常、スーパーコンピューターが必要です。

新しいAIフレームワークにより、パーソナルコンピューターでもこれらの部分微分方程式を解くことができます。科学者は、実世界のプロセスまたはシステムを時間と空間の数学的な表現に変換するためにこれらの方程式を使用します。

これは、AIモデルがPDEを解くというアイデアが初めて提案されたわけではありません。実際、科学的機械学習の分野では、ニューラルネットワークを使用してPDEを解くことは、過去10年間で多くの注目を集めてきました。

エンジニアリングデザインの転換点

新しいAIフレームワークは、複数のドメインでPDEの解を迅速に予測するアプローチを提供します。

ジョンズ・ホプキンス大学の生物医学工学と医学の教授であるナタリア・トラヤノバは、「DIMONは、科学やエンジニアリングのあらゆる分野でPDEを解くことができる汎用的なソリューションです。」

このモデルは、心臓のデジタルツインをテストしました。これらは、実際の患者からの高度に詳細なコンピューターモデルです。

心臓の不整脈は、部分微分方程式を解くことで研究されています。この状態は、電気的なインパルスの異常な動作により、心臓の不規則な拍動を引き起こします。

新しいAIフレームワークは、各ユニークな心臓の形状を通して電気的な信号が伝達されることを予測することに成功し、高い精度で解を予測することができました。

AIを推進する会社

ここで、AIの技術的革命を新たな高みに押し上げている会社を紹介します。

1. NVIDIA Corporation (NVDA )

NVIDIAは、GPUの主要な提供者であり、世界で2番目に大きな会社です。時価総額は3.28兆ドルです。株価は133.91ドルで、年初来りで171.9%上昇しています。

2. Microsoft Corporation (MSFT )

マイクロソフトは、時価総額3.32兆ドルで、世界で3番目に大きな会社です。株価は447.24ドルで、年初来りで19%上昇しています。

3. ANSYS, Inc. (ANSS )

ANSYSは、エンジニアリングシミュレーションソフトウェアの専門会社です。学生、研究者、デザイナー、エンジニアが使用するサービスを提供しています。

結論

AIは急速に進化しており、新しいAIフレームワークの導入は、複雑なエンジニアリング問題を解決するための革命的なステップとなります。このブレークスルーは、エンジニアリング設計プロセスを加速し、AIの適用範囲を多様な分野に拡大します。

研究者やNVIDIAのような会社が大きな発見を続け、強力なモデルを構築し、技術を進歩させているため、AIを日常のワークフローに統合する可能性は指数関数的に増大しています。これは、AIが前例のない効率性と革新を推進する新しい時代を迎えることを示しています。