CAEの計算を代理できるような高速かつ高精度な手法を求め、機械学習を用いたCAEサロゲートモデル（予測モデル）への取り組みが増えてきています。ある一定の成果は見られる一方、形状的な複雑さや非線形性の強さによっては予測モデルの精度が劣化してしまうことがしばしば見られます。航空機のレーダーがどの程度検知されやすいかを示す指標として用いられるレーダー反射断面積は、非線形性および形状依存性が強い特性であり、代理モデルの適用が難しいアプリケーションとして知られています。
本ウェビナーでは、CAEのサロゲートモデル構築、特に形状変更に対するレーダー反射断面積の結果予測に焦点を当て、幾何形状を対象にした予測モデル構築手法として注目を集めるGeometric Deep Learningを用いた、より汎用的な手法構築への取り組みをご紹介します。