タイヤ解析が45分から5分に——住友ゴムと富士通のAIサロゲートモデルが示す「シミュレーション革新」の本質

「速くなった」だけでは捉えられない、住友ゴム×富士通の取り組みが持つ意味

解析時間が短縮された、という事実だけを聞けば、単なる効率化ニュースに見える。だが今回、住友ゴム工業と富士通が共同開発したAIサロゲートモデルが示しているのは、もう少し根本的な問いへの答えだ。「物理シミュレーションの役割を、AIはどこまで肩代わりできるのか」——その問いに対して、製造業の最前線で一つの実証結果が出た。

住友ゴム×富士通のAIサロゲートモデルが変えたFEM解析の常識

住友ゴム工業と富士通は、タイヤ性能をAIで予測する「AIサロゲートモデル」を共同開発した。実証実験では、タイヤの変形挙動を予測する解析時間を従来の約45分から約5分へと短縮することに成功している。

ここで鍵となるのが「FEM解析（有限要素法解析）」と「サロゲートモデル」という二つの概念だ。FEM解析とは、製品を無数の小さな要素（メッシュ）に分割し、力や熱などの物理現象を数値計算でシミュレートする手法で、タイヤ開発においては形状・材料・走行条件による変形挙動の予測に欠かせない。ただし計算量が膨大で、今回のケースでは一回の解析に約45分を要していた。

サロゲートモデルとは、この重い物理シミュレーションの「代役（surrogate）」としてAIが振る舞うモデルを指す。事前に大量の計算結果を学習したAIが、新たな条件に対して物理計算を経ずに結果を近似予測することで、計算時間を大幅に圧縮する。今回の実証では、約60万要素規模という高精細な解析をこのアプローチで実現した。

タイヤ設計エンジニアと製造業のシミュレーション担当者に何が変わるか

直接的な影響を受けるのは、タイヤ設計・開発に携わるエンジニアと、同様の物理シミュレーションを日常業務で使う製造業の技術担当者だ。

従来、一回の設計変更を評価するために45分待つ必要があったとすれば、一日に検討できる設計候補の数は限られる。これが5分に短縮されると、試行回数の桁が変わる。シミュレーションは「答えを出す道具」から「探索を繰り返す道具」へと、設計プロセス上の位置づけが実質的に変わる。

また、約60万要素規模の解析を短時間で実現できるという点は見逃せない。要素数が多いほど解析の精細度は上がるが、計算コストも跳ね上がる。高精細と高速を両立したことで、「精度を落として速くする」という従来のトレードオフを緩和できる可能性がある。

日本の製造業がこの事例から引き出せる実務上の示唆

住友ゴムと富士通という日本企業同士の協業による成果である点は、国内製造業にとって参照しやすい事例といえる。タイヤという、剛性・摩擦・熱・変形が複合的に絡み合う解析難易度の高い対象で実証されたことは、他の素材や部品設計への応用可能性を考えるうえで一定の説得力を持つ。

自動車部品、機械構造、建材など、FEM解析を設計プロセスに組み込んでいる業種・職種であれば、「自社の解析課題にサロゲートモデルを適用できるか」という問いは、今後の技術選定において具体的に検討しうるテーマになる。ただし、あくまで今回の発表は実証実験段階の結果であり、どの条件・規模で汎用的に機能するかは引き続き評価が必要な段階にある。

本番導入を判断する前に確認しておくべき未知数

今回の発表が示しているのは実証実験の結果であり、量産設計や製品認証プロセスへの組み込みについては明示されていない。AIサロゲートモデルの精度は、学習に使ったシミュレーション結果の質と量に依存するため、学習データの整備コスト・維持コストは別途考慮が必要だ。

また、「約60万要素規模」という解析精細度が特定の用途にとって十分かどうかは、解析対象や設計要件によって異なる。速度向上が大きい一方で、AIによる近似予測である以上、エッジケースや学習データ外の条件に対する予測精度の担保をどう取るかは、実運用に向けた重要な確認事項になる。

さらに、今回の取り組みが両社の共同開発である点は、外部の企業が同等の仕組みをどう入手・導入できるのか——ライセンス提供や受託開発の形態の有無——についても現時点では公開情報の範囲では確認できない。

「速さ」を得た先で、設計判断の質をどう担保するか

冒頭で「単なる効率化ニュース」に見えると書いた。だが、今回の本質は時間の短縮それ自体ではなく、シミュレーションを使う側のふるまいが変わる点にある。反復できる回数が増えれば、探索の幅が広がり、より良い設計候補に到達しやすくなる——これは正しい。ただしそれは同時に、「どの探索方向が意味あるか」を判断するエンジニアの能力がより問われるようになることも意味する。

AIサロゲートモデルは解析の速度を上げるが、「何を解析すべきか」の判断は人間に残る。住友ゴムと富士通の実証は、製造業におけるAI活用の次のフェーズが「自動化」ではなく「エンジニアの判断を増幅する道具」として機能するものであることを、具体的な数字とともに示した事例として読むべきだろう。

本記事は公開情報をもとに、NEWGATA編集部で確認のうえ掲載しています。