機械設計では以前から機械学習を用いた最適設計手法が用いられてきた。近年の深層学習の進歩に伴って、これまでよりも推定精度が向上し、より幅広い設計プロセスに応用できるようになった。 本講演では深層学習を機械設計プロセスに応用するアプローチを三つ紹介する。すなわち回帰モデルによる性能推定、生成モデルによる形状生成、強化学習による形状修正である。これらの方法を、深層学習や深層強化学習wお用いた場合とそれ以外の方法を用いた場合を比較すると、深層学習等を用いた場合のほうが高精度で推定ができることを示す。これらのアプローチはデータを基にしているという意味でたデータ駆動型設計と呼べる。
