詳細を読む
Quanscientが開発したMultiphysicsAIワークフローは、クラウドベースの有限要素法（FEM）シミュレーションとAI代理モデリングを組み合わせ、圧電マイクロマシン超音波トランスデューサ（PMUT）の設計を革新しました。
従来の試行錯誤型の設計サイクルと異なり、同ワークフローは1万件のシミュレーションから学習したAI代理モデルを活用します。推論時間はミリ秒以下で、複数の設計パラメータを同時に探索できます。
Pareto最適化により、帯域幅を65%から100%に向上させながら、感度を2〜3dB改善し、かつ中心周波数12MHzを±0.2%以内に維持することに成功しました。これは従来の逐次設計では困難な多目的最適化です。
この手法は医療用超音波イメージングなどの高精度センシング分野で特に有効です。設計期間の劇的な短縮は、MEMSエンジニアの競争力を大幅に高めることが期待されます。
本ホワイトペーパーはIEEE Spectrumとウィリーが協賛し、Quanscientがスポンサーとして提供しています。実用的なワークフロー事例として、AIを活用した物理シミュレーション最適化の先進事例を示しています。