プレス成形シミュレーションの革新的データセット「PressNet」を発表

ゴーデルブロックが研究協力しているAccelerated Komputing社の論文が米国機械学会（ASME）が主催するIDETC/CIE 2025にて採択され深層学習による製造業変革の研究成果を公開

ゴーデルブロック

2025年9月2日 10時00分

2025年8月20日、カリフォルニア州アナハイム - Accelerated Komputing社は、株式会社ゴーデルブロック、カーネギーメロン大学等との国際共同研究により開発した、プレス成形プロセス用の包括的な3Dデータセット「PressNet」に関する論文を、ASME 2025国際設計工学技術会議・コンピュータ情報工学会議（IDETC/CIE2025）にて発表しました。

研究体制

本研究は、以下の国際的な研究機関との連携により実現されました：

Accelerated Komputing社（米国、ネパール）
株式会社ゴーデルブロック（日本・東京）
カーネギーメロン大学（米国）
ピッツバーグ大学（米国）
テキサスA&M大学（米国）
トリブバン大学（ネパール）

株式会社ゴーデルブロックは、物理シミュレーション技術の専門知識を活かし、解析結果の最適化と実用化に向けた技術開発に協力しました。

研究の背景と意義

プレス成形は、金属やガラスなど多様な素材を用いた製品製造において重要な工程です。

この工程において、有限要素法（FEM）による精密なシミュレーションを実施することで、試作回数を削減し、高品質な製品を安定的に生産することが可能になります。しかし、計算コストが高く、時間を要するという課題がありました。

本研究では、深層学習技術を活用してこれらの課題を解決するため、業界初となる包括的なプレス成形シミュレーション用データセットを作成し、プレス成形シミュレーションのサロゲートモデルとしてGraph Convolutional Network（GCN）とDynamic Graph Convolutional Neural Network（DGCNN）の2つの深層学習アーキテクチャによるベンチマークでその有用性を実証しました。