ロールスロイス：Databricks Mosaic AIで生成AI設計探索を加速

Before

Rolls-Royceは、世界をリードする自動車と航空エンジンメーカーであり、高度なエンジニアリング設計と継続的なイノベーションが経営の根幹をなしている。同社の設計プロセスでは、従来のパラメトリックモデルに依存しており、新しい設計コンセプトの発見と評価には時間とリソースを要する従来型のジオメトリモデリングとシミュレーションプロセスが必要だった。

特に、過去に蓄積されたシミュレーションデータの再利用には大きな課題があった。成功した設計だけでなく、不成功に終わったソリューションの知見も含めて、ニューラルネットワークが学習できる形で組み込む必要がある。しかし、従来の手法ではこれらの異種データを統合的に扱うことが困難だった。

また、設計プロセスにおける多目的制約の処理も複雑な課題だった。例えば、モデルの重量を軽減しつつ効率を向上させるなど、複数の要求が衝突する可能性がある状況において、特定の側面だけで最適なソリューションではなく、設計全体として広く最適化されたソリューションを生み出す必要があった。従来のパラメトリックモデルでは、このような設計空間の広範な探索に限界があった。

AI導入内容

Rolls-Royceは、Databricks Data Intelligence Platformを活用したAIプロジェクトを推進し、条件付き生成敵対ネットワーク（cGAN）のトレーニングプロセス最適化に取り組んだ。Databricks Mosaic AIツールを用いて、数値データ、テキストデータ、画像データを統合的に扱う設計空間探索の新しいアプローチを確立した。

cGANプロジェクトのコンセプトアーキテクチャ

本プロジェクトは、以下の6つの段階で構成されるアーキテクチャを採用した。

1. データモデリング

特定のユースケースに最適化されるようデータテーブルを構築。アイデンティティカラムの生成、テーブルプロパティの設定、ユニークタプルの管理を実施した。

2. MLモデルのトレーニング

一般的なシミュレーション研究から得られた3D結果の2D表現を用いてMLモデルをトレーニング。不成功に終わったソリューションの知識を埋め込むことで、ニューラルネットワークが特定の領域を回避し、より速くソリューションを発見できるようにした。

3. 実装

開発・最適化されたモデルとアルゴリズムを製品設計プロセスに統合。従来のジオメトリモデリングとシミュレーションプロセスを必要とせず、指定された設計条件を満たす革新的な設計コンセプトの特定と評価を実現した。

4. 最適化

現在の結果に基づき、パラメータの調整、データセットの精緻化、多目的制約への取り組み方針の変更などを通じて、モデルとアルゴリズムの継続的な最適化を計画している。

5. モデルエクスポート

レガシーデータでトレーニングされたモデルを標準フォーマットでエクスポート可能に設計。輸出規制やIP分類が厳格な環境にコピーを持ち込み、プロジェクトデータを用いた転移学習を実施できるオプションを確保した。

6. 次のステップ

多目的制約を処理するメカニズムの導入を計画。複数の要求が衝突する状況で、これらの競合目的をバランスさせ、最適なソリューションに到達するアルゴリズムや手法の開発が今後の課題となっている。

Databricks Mosaic AIの活用メリット

Rolls-RoyceはDatabricks Data Intelligence PlatformとMosaic AIツールの活用により、以下のメリットを得た。

総所有コスト（TCO）の削減

統一されたレイクハウスアーキテクチャにより、イノベーションの加速とコストの大幅な削減を両立。データニーズが指数関数的に増大する中で、コスト効率の高いデータ処理ソリューションとして機能している。

モデル開発時間の短縮

AutoMLやManaged MLflowなどの機能により、MLモデルのトレーニングとデプロイの複雑性を軽減。より短い時間でモデルの実験から本番展開までを完了できるようになった。

モデル精度の向上

Rayなどの専用パッケージへのアクセス提供、ハイパーパラメータ研究の簡素化、スケーラビリティと並行開発の両立により、モデルアーキテクチャの迅速な評価が可能になった。これにより、モデル開発・テストプロセスの速度向上と精度改善を実現した。

データ管理・ガバナンスの強化

Unity Catalogの実装により、すべてのデータ資産の統一ビューを提供するガバナンスフレームワークが確立。航空宇宙のようなコンプライアンス重視の業界において、モデルとデータの完全な制御を維持できるようになった。

After

Databricksとの協業により、Rolls-Royceはシミュレーション生成AIプロジェクトにおいて堅牢で効率的かつ安全なプラットフォームを構築した。レガシーシミュレーションデータの再利用により、従来のパラメトリックモデルの限界を超えた設計空間探索が可能になった。

設計プロセスの変革

不成功に終わったソリューションの知見をトレーニングデータセットに組み込むことで、ニューラルネットワークが無駄な探索を回避し、より効率的に最適解を発見できるようになった。重量軽減と効率向上などの競合目的を同時に扱う多目的制約への対応も進められている。

ML開発ライフサイクルの統合

MLflowの統合により、実験追跡、結果共有、協調的なモデルチューニングが効率化。透明性と再現性が確保され、ビジネスイノベーションと生産性向上に貢献している。

今後の展望

エンジンの3次元性を考慮し、現在の2Dモデルから3Dモデルへの移行が今後の研究方向となっている。Databricksプラットフォームのスケーラビリティと柔軟性を活用し、より複雑な設計空間探索に対応していく計画だ。

Rolls-RoyceとDatabricksの協業は、次世代のエンジニアリング設計における生成AIの変革的な力を実証した事例として評価されている。特に、航空宇宙分野において厳格なコンプライアンスとIP保護を維持しながら、最先端のAI技術を活用した設計イノベーションを推進するモデルを示している。