全体構造と細部形状を分離した潜在表現に基づく車両空力予測モデルの検討

中島　卓司・岡本　泰知・苗　江東・佐々木　千里・Bisser Raytchev・農澤　隆秀（広島大学）・清水　圭吾・中村　優佑・瀬尾　晃平（マツダ）・坪倉　誠（神戸大学／理化学研究所）

本研究では，車体形状を解像度に基づき全体構造と細部形状に分離し，両者の潜在表現を統合することで，細部形状の特徴をより適切に保持する潜在表現を構築した．この潜在表現に基づき，空力性能予測モデルと，ニューラルオペレーター型モデルを用いた車両周囲流れ場の高解像度予測モデルを構築し，有効性を検証した．

Graph Neural Networksを用いた自動車表面圧力・応力の効率的予測のための転移学習

田中　凱也（神戸大学）・大西　順也（理化学研究所）・中島　卓司（広島大学）・坪倉　誠（神戸大学）

自動車空力性能評価の効率化に向け，車体表面の圧力・応力場を直接予測するGNNモデルが注目されている．一方で，車種ごとのスクラッチ学習には流体解析データ作成および学習に高コストを要する．そこで本研究では，事前学習済みモデルを用いた転移学習を適用し，その有効性を学習時間と予測精度の観点から評価する

CAEを用いた微小隙から侵入する騒音（リーク音）予測手法の開発

土岐　武也・伊藤　祐太（トヨタ自動車）・高阪　文彦（ダッソーシステムズ）・安岡　志朗（トヨタ自動車）

空力騒音に分類されるリーク音は，高速走行時にドア等の微小な隙間から音が漏れ出る現象であり，静粛性の開発要素の一つである．本報はCAEを用いた予測手法を開発し，ドア構造を題材に音響加振時の車室内への透過経路とレベルを予測した．同様の条件で実機評価した結果と検証した結果を報告する．

3次元形状の潜在表現を用いた大規模言語モデルによる空力特性推論に関する基礎研究

伊藤　悟（名古屋大学大学院）・西口　浩司（理化学研究所）・仲谷　幸一郎・尾嵜　悠利（名古屋大学大学院）・金森　敬宗・則竹　真吾・田中　博（トヨタシステムズ）

LLMの自動車の設計支援への応用のためには，3次元空間の学習が不可欠である．本稿はその初期的研究として3次元形状を潜在ベクトルに圧縮して学習させ，抗力係数を推論する手法を提案する．本研究では潜在ベクトルの次元数が推論精度に与える影響を検証し，次元数の増加による推論精度の向上を確認した．