人工知能

エンジニアリングの革命：AIがスーパーコンピュータよりも高速に複雑な方程式を解く新たな役割

公開日 2024年12月14日

更新日 2026年5月30日

著者

Gaurav Roy

Securities.io maintains rigorous editorial standards and may receive compensation from reviewed links. We are not a registered investment adviser and this is not investment advice. Please view our affiliate disclosure.

スーパーコンピュータは高性能で知られており、複雑な計算問題を解くことができます。世界で最も高速なコンピュータであるこれらのマシンは、膨大なデータセットを処理し、迅速に複雑な計算を実行でき、1秒あたり最大1クインティリオン（10^18）回の計算が可能です。

興味深いことに、今週、テック大手のGoogle 発表しました次世代チップ「Willow」を、超伝導量子ビットで動作させ、複雑な数学問題をたった5分で解き、エラーを指数的に減少させます。

その印象的な性能にもかかわらず、量子チップは現代の暗号を破るには程遠いです。

このすべての中で、新しい人工知能（AI）が登場し、スーパーコンピュータよりも速く複雑な工学問題を解く能力を持っています。この新しい技術的解決策はジョンズ・ホプキンス大学の研究者から提供され、工学分野でのゲームチェンジャーになる可能性があります。

AIの新時代

何年もホットトピックであったAIは、ついに主要産業で実質的に活用され始めました。その圧倒的な効率と生産性向上の可能性により、市場は今年だけで1840億ドルを超えて成長しています、そして予測では、今十年の終わりまでに15兆ドル以上の収益増加が見込まれています。

最近の報告によると、組織の68％が積極的に生成AIを活用しているか、成功したパイロット実装に続くロードマップを策定しています。

AIがさまざまな産業を変革し続ける中、特にエンジニアリング分野では、人々は時代遅れになるという課題に直面しています。推定では、今後10年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の世界への影響を理解するには、まずAIが単に機械やコンピュータが人間の思考、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技術であることを認識する必要があります。

AIの基盤には機械学習があり、アルゴリズムを訓練してデータを活用し、意思決定や予測を行うモデルを作成します。

さまざまな機械学習アルゴリズムや手法があり、その中でも人工ニューラルネットワークは最も一般的なタイプの一つです。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機械学習のサブセットで、マルチレイヤーのニューラルネットワークを使用し、人間の脳の複雑な意思決定能力をシミュレートするのにさらに効果的です。これらのネットワークはデータから学習し、画像や音声認識から自然言語処理まで、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、機械が複雑なデータとやり取りする方法を根本的に変えており、人間レベルを超える性能と高精度を実現しています。

AIを活用した複雑問題への対処

A supercomputer grid with data streams flowing

AIは、反復作業の自動化、人為的エラーの削減、24時間体制での利用可能性、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に応用されています。

この技術は膨大なデータを効率的に分析し、人間が見落としがちなパターンを特定し、迅速な計算を実行できるため、複雑な問題を解決する優れたツールとなっています。大規模データセットや人間だけでは時間がかかる、あるいは不可能な複雑な意思決定シナリオに対処する際、AIは非常に有用です。

そのため、AIを活用して複雑な課題を解決することへの関心が高まっています。1年前、MITとETHチューリッヒの研究者は機械学習を用いて最適化問題を解決し、FedExなどの企業向けに休日パッケージの効率的なルーティングを実現しました。

これらの企業は混合整数線形計画（MILP）ソルバーと呼ばれるソフトウェアを使用し、問題を小さな部分に分割し、汎用アルゴリズムで最適解を見つけますが、これには数時間から数日かかることがあります。

ここでプロセス全体を遅くしている主な要因は、MILPソルバーが潜在的な解が多すぎることです。研究者はフィルタリング機構を用いてこのステップを簡素化し、精度を損なうことなく30〜70％の速度向上を実現しました。この手法は限界逓減の原理に基づき、問題固有のデータセットで訓練された機械学習を使用して、削減された選択肢から最適解を見つけました。

今月初め、ロンドン拠点のスタートアップPhysicsXは、航空宇宙工学向けの大規模ジオメトリモデルLGM-Aeroを発表しました。このジオメトリと物理モデルは、航空機コンセプト開発時間の大幅な短縮に寄与すると期待されています。同社はLGM-Aero上に構築されたリファレンスアプリケーション「Ai.rplane」を公開し、モデルが航空機設計を生成し、航空機性能に関する物理を予測できることを示しています。

このモデルはAmazon Web Services（AWS）クラウドコンピュート上で、2500万以上の異なる形状（100億個以上の頂点）を使用してトレーニングされています。トレーニングデータには、Siemensと共同で生成された計算流体力学（CFD）と有限要素解析（FEA）シミュレーションのコレクションも含まれています。

LLMがテキストを理解するように、LGMは航空宇宙工学に重要な形状と構造に関する膨大な知識を持ち、CEOのJacomo Corboは「数秒で複数の物理タイプを最適化でき、数値シミュレーションより何桁も速く、同等の精度である」と述べています。

今年、ChatGPTの開発元でMicrosoft支援のAI研究企業OpenAIは、最新モデルであるo1-previewとo1-miniを発表し、大規模言語モデル（LLM）の推論能力に大きな飛躍をもたらしたと主張しています。

このモデルは「思考連鎖」推論を使用でき、人間が問題を解く際に複雑な課題を小さく管理しやすいタスクに分割するのと同様の手法です。人間に似た推論のLLMへの適用は、Google Researchなどでも以前に観察されています。

偏微分方程式（PDE）を解く新しいAIモデル

AIの利用と人気が高まるにつれ、その能力も向上しています。研究者や企業は技術をより良く、より正確にするために取り組んでいます。

ジョンズ・ホプキンス大学の研究者が開発した最新のAIフレームワークは、時間がかかり広く使われている数学方程式の解を予測する汎用的アプローチを取っています。偏微分方程式（PDE）は工学や医療研究の分野で広く利用される課題です。

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ことがあります。また、これらの大規模な数学問題の解決には従来スーパーコンピュータが必要でしたが、もう必要ありません。

新しいAIフレームワークにより、個人用コンピュータでもこれらの偏微分方程式に取り組むことが可能になりました。科学者は実世界のプロセスやシステムを時間と空間で変化するオブジェクトの数学的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を解く初めての試みではありません。実際、数十年前にその概念は最初に共有されました。科学的機械学習という新興分野では、過去10年で深層ニューラルネットワークのトレーニング計算能力の向上により、ニューラルネットワークで偏微分方程式を解くことが大きな注目を集めています。

ニューラルオペレーターはAIがPDE解オペレーターを学習する点で成功していますが、最新の研究では最適化や予測タスクを実行する際に計算ボトルネックが依然として存在すると指摘しています。これは、ニューラルオペレーターが形状に依存するPDE解を評価できないことが原因です。

現在、ほとんどのニューラルオペレーター・フレームワークは固定境界のドメイン上で開発されており、形状の変化がある場合はニューラルネットワークの再訓練が必要です。

そこで、これらの計算課題に対処するために、研究者はDIMON（Diffeomorphic Mapping Operator Learning）を提案しました。これにより、ニューラルオペレーターとドメインや形状間の微分同相写像を組み合わせました。

このモデルは形状が変わるたびにグリッドを再計算する必要をなくします。これにより、DIMONはシミュレーションを高速化し、物理要素（運動、応力、熱など）が異なる形状間でどのように振る舞うかを予測することで設計最適化を可能にします。

一般に、これらの方程式を解くには、人間の臓器や航空機の翼などの複雑な形状を小さな要素からなるグリッドやメッシュに分割し、各要素で問題を解いてから再び組み合わせます。

しかし、衝突や変形により形状が変わると、グリッドを更新する必要があります。これにより、解も再計算しなければならず、計算プロセスは高コストで遅くなります。

DIMONはAIを活用して、さまざまな形状での物理システムの動作を理解します。研究者は形状をグリッドに分割して何度も方程式を解く必要がなく、AIは学習したパターンを利用して異なる要因がどのように振る舞うかを予測し、形状固有のシナリオをモデル化し設計最適化をより効率的かつ高速に行うことができます。

ジョンズ・ホプキンス大学の生体医工学・医学教授で共同リーダーのナタリア・トラヤノヴァによれば：

「開発の動機は私たち自身の研究から生まれましたが、これは非常に汎用的でスケーラブルであるため、工学のさまざまな分野に大きな影響を与えると考えています。」

エンジニアリング設計の転換点

新しいAIフレームワークは、複数のドメインでPDE解を高速に予測できるアプローチを提供し、さらに多くの下流アプリケーションでAIを活用できるようにします。

モデルの能力について語ると、トラヤノヴァはDIMONが実質的にあらゆる科学・工学分野の問題に対して、複数の形状でPDEを解くことができると指摘しました。

これには衝突試験、宇宙船が極端な環境にどう応答するかの分析、橋が応力に耐えるかの評価、異なる形状での流体伝播の研究、整形外科研究、材料や形状が変化する他の複雑な問題への対応が含まれます。これらすべてのシナリオのモデリングは、新しいAIフレームワークのおかげで大幅に高速化されました。

新モデルの他の工学問題への適用性を示すため、チームは1,000以上の心臓「デジタルツイン」でDIMONをテストしました。これらのデジタルツインは実患者の心臓を高度に詳細にモデル化したコンピュータモデルです。

心臓不整脈は偏微分方程式を解くことで研究されます。この状態は電気インパルスの異常により心拍が不規則になるものです。心臓のデジタルツインにより、研究者は患者が致命的になる可能性のあるこの状態に陥るかどうかを判断し、治療法を提案できます。

新しいAIフレームワークは、各個別の心臓形状を通じて電気信号がどのように伝達するかを高精度で予測でき、費用のかかる数値シミュレーションを実行する必要さえなく、成功したことが判明しました。

ジョンズ・ホプキンス大学の心血管診断・治療イノベーションアライアンスのディレクターであるトラヤノヴァは、データ駆動アプローチ、計算モデリング、心臓画像の革新を駆使して心血管疾患の診断と治療に取り組んでおり、常に臨床に新技術を導入しています。

しかし、彼女は現在のソリューションは依然として遅く、患者の心臓をスキャンし、PDEを解いて突然死のリスクが高いかどうかを予測し、最適な治療計画を提供するのに約1週間かかると指摘しました。

しかし、最新モデルによりこの状況は劇的に変わりつつあります。

「この新しいAIアプローチにより、解を得る速度は信じられないほど速くなりました。」

– トラヤノヴァ

心臓デジタルツインの予測にかかる時間は、数時間からわずか30秒（0.5分）に短縮されました。これはスーパーコンピュータさえ必要とせず、デスクトップコンピュータ上で実行でき、トラヤノヴァは「日常の臨床ワークフローの一部に組み込むことができる」と述べています。

この技術の汎用性は、新しい形状で偏微分方程式を繰り返し解く必要がある状況に最適です。

「各問題に対して、DIMONはまず単一の形状で偏微分方程式を解き、次にその解を複数の新しい形状にマッピングします。この形状変換能力は驚異的な汎用性を示しています。我々は多くの問題にこの技術を適用し、また広範なコミュニティに提供してエンジニアリング設計ソリューションの加速を図ることに非常に興奮しています。」

– Minglang Yin, a postdoc fellow at Johns Hopkins Biomedical Engineering, who developed the platform

AIを推進する企業

それでは、AI技術革命を新たな高みへと導く企業を見てみましょう。

1. NVIDIA Corporation (NVDA )

GPUの主要プロバイダーであるNvidiaは、世界で2番目に大きい企業で、時価総額は3.28兆ドルです。執筆時点で株価は133.91ドルで、年初来（YTD）で171.9％上昇しており、EPS（TTM）は2.54、P/E（TTM）は52.90、ROE（TTM）は127.21％で、配当利回りは0.03％です。

(NVDA )

同社のハードウェアとソフトウェアソリューションは、ディープラーニングアプリケーションやエンジニアリングシミュレーションに不可欠で、AI革命の推進に重要な役割を果たしています。

AI熱に駆られ、Nvidiaは報告しました2024年10月27日で終了した第3四半期の売上高が350億ドル超で、前四半期比17％増、前年同期比94％増となりました。

「AIの時代は本格的に進行中で、NVIDIAコンピューティングへの世界的なシフトを推進しています」とCEO兼創業者のジェンセン・ホアンは述べ、AIは企業や産業だけでなく、AIとインフラの重要性に目覚めた国々も変革していると付け加えました。

2. Microsoft Corporation (MSFT )

時価総額が3.32兆ドルで、Microsoftは世界の上位3社に入ります。執筆時点で株価は447.24ドルで、年初来で約19％上昇しています。これにより、同社のEPS（TTM）は12.11、P/E（TTM）は36.92、ROE（TTM）は35.60％となり、配当利回りは0.74％です。

(MSFT )

MicrosoftのAIへの最大の関与はOpenAIを通じてで、同社は130億ドル以上を投資しています。OpenAIは最近1500億ドルと評価され、MicrosoftはAI研究、クラウドソリューション、エンジニアリングや科学計算向けアプリケーションにも多額の投資を行っています。

7月から9月の期間に、同社は報告しました売上高656億ドルで、前年同期比16％増、利益は247億ドルで11％増加しました。この成長は、財務責任者が「需要が利用可能な容量を上回っている」と述べたことに支えられました。

3. ANSYS, Inc. (ANSS )

同社は複雑な問題を解くためのエンジニアリングシミュレーションソフトウェアを専門としており、学生、研究者、デザイナー、エンジニアが利用しているサービスに、AIを統合して効率を向上させています。

時価総額が297億5,000万ドルで、Ansysの株価は現在339.51ドルで、今年は6.24％下落しています。この結果、同社のEPS（TTM）は6.47、P/E（TTM）は52.55、ROE（TTM）は10.48％です。

(ANSS )

2024年第3四半期に、Ansysは報告しました売上高6億1,900万ドルで、前年同期比31％増加し、年間契約価値（ACV）は5億4,050万ドルでした。GAAP営業利益率は26.8％、非GAAP営業利益率は45.8％でした。期間の営業キャッシュフローは1億7,420万ドルで、繰延収益と受注残高は14億6,380万ドルでした。