富士通とDUNLOP、タイヤの性能を予測するAIサロゲートモデルの実証実験

　DUNLOPと富士通は、DUNLOPが長期経営戦略に掲げた設計のDXに向け、タイヤの性能をAIで高精度かつ短時間で予測する技術AIサロゲートモデルを共同開発し、実証実験で成果を確認したと発表した。

　実証実験では、開発した技術をタイヤが路面に接地した時の変形挙動の予測に適用した結果、解析時間を従来の約45分から約5分へと大幅に短縮（約90％削減）するとともに、約60万要素（メッシュ）規模の解析を実現した。

　両社は、同実証実験の成果をもとに、タイヤ設計の開発支援ツールの開発を進め、DUNLOPでは2027年4月の実用開始を目指す。DUNLOPはデータドリブンな開発を加速し、より安全性が高く環境性能に優れた高品質なタイヤを市場投入することを目標にする。

　なお同技術は、富士通が開発する高性能かつ省電力性を追求したArmベースの次世代CPU「FUJITSU-MONAKA」での動作を前提に設計している。

　両社は今後、同技術をベースに「FUJITSU-MONAKA」検証機での実証を12月までに開始し、推論速度・精度および電力効率の最適化を進めていく。

実証実験の成果

　両社は、DUNLOPのタイヤ設計のノウハウや実設計データと富士通のAI技術を活用し、グラフニューラルネットワーク（graph neural network、GNN）のアルゴリズムをベースとしたAIサロゲートモデルを共同で開発し、タイヤの構造解析に関する実証実験を行なった。

　実証実験では、タイヤの路面接地時における接地形状や接地圧分布など、変形挙動や接地特性の評価を対象とし、その結果、従来FEM解析では約45分を要していた解析を約5分での近似解析を実現し、FEM解析と比較してタイヤと路面の接地形状を平均87.7%の高い精度で予測できた。

FEM解析による精度と計算時間の関係

　同技術により、従来は複数の設計プロセスを経て決められていたタイヤの構造や材料の仕様を、より少ないプロセスで短時間に決定できるようになることで、意思決定がスピードアップし、性能向上だけでなく、コストの最適化も期待できる。

　なお同成果の一部は、6月3日から開催される第31回計算工学講演会で発表される。