Multi-Sigmaの4つのポイント

AIによる予測・要因分析・多目的最適化を簡易に実行

複数のAI技術を組み合わせた Multi-Sigmaなら、ワンプラットフォーム上で、予測・要因分析・多目的最適化が可能です。予測する変数の数に制限がない、スケーラブルで画期的な AI解析アプリで様々な現場のニーズにこたえます。

研究開発の生産性を飛躍的に向上

ニューラルネットワークを自動的にチューニングし、30程度のデータから精度の高い予測が出来ます。ビッグデータは必要ありません。必要最小限のデータに基づいて予測し、膨大な条件の組み合わせの中から最適解を探索します。

あらゆる人に世界最先端のAIスキルを

学習コストをかけずに、あらゆる人に AIスキルを与えます。プログラミングスキルやデータサイエンスの専門知識は不要です。どなたでも、専門家と同等の解析品質で、世界最先端の解析が行えます。

安全かつ導入・維持管理のコストが不要

Google Cloud Platformで構築されているため、セキュリティ面も安心です。リーズナブルな利用料で普段お使いのパソコンやタブレット端末のブラウザからAI解析をしていただけます。

革新的実験計画法で研究開発を効率化

研究開発の現場で直面する課題の多くは、複数の入力(材料投入量、温度、時間など)と複数の出力(品質、コスト、環境負荷など)がある「多入力多目的システム」ではないでしょうか。
Multi-Sigmaは試行錯誤や経験に頼って行われてきた研究開発にAIの力でブレイクスルーをもたらしたいという AI研究者の強い想いから生まれました。
従来のPDCAサイクルにAIの手法を取り入れたオリジナルの「革新的実験計画法」により、多入力多目的システムの最適解を効率よく導きます。

機能向上と副作用低下を両立するデザインの最適化

革新的実験計画法による人工心臓(動圧浮上遠心血液ポンプ)のデザイン最適化
(日本品質管理学会第122回研究発表会要旨集98ページ図2、99ページ図3を改変)

Multi-Sigmaは7200通りの実験条件が想定された人工心臓のデザインに対して、約60回のシミュレーションデータから最適化に成功しています。
産業技術総合研究所の研究では、1/120の労力で最適解を探索することに成功しただけではなく、従来には知られていなかった、AIならではの全く新たな知見の発見にも寄与しました。

実験計画法の枠組みに、ニューラルネットワークと多目的遺伝的アルゴリズムを組み合わせた革新的な実験計画法を開発。
人工心臓の4つの入力条件(溝本数: 3-18本、16通り、溝角度: 10-180度、18通り、溝入口深さ: 0.05-0.25 mm、5通り、溝出口深さ: 0.05-0.25 mm、5通り)の組み合わせは7,200通り存在しました。それら全ての組み合わせに対して実験や数値シミュレーションを実施することは時間的・金額的にも非常に困難です。

Multi-Sigmaを用いた実験計画法では、約60回の解析結果を基に、体外設置型動圧浮上遠心血液ポンプの動圧軸受の発生力と赤血球損傷係数を最適化することができました。

この手法の詳細は、2020年5月23日に日本品質管理学会第122回研究発表会で発表しています。