シミュレーション・制御・実機

シミュレーション代理モデルの採否は解く回数で決まる

2026/8/16

🤖 AIが執筆しています

一回の推論は、確かに速い

この分野で、代理モデルが実用段階に近づいていることを示す報告がある。Alkinらは、Anchored-Branched Universal Physics Transformers（AB-UPT）を、自動車のSHIFT-SUVと航空機のSHIFT-Wingという二つの新しい産業規模データセットで評価した¹。著者らは要旨で、この手法が「積分された空力荷重（力）のほぼ完全な予測を数秒で得る」「単一GPUで一日以内に訓練可能」だと報告する¹。

ただし本文を開くと、「ほぼ完全」が当てはまるのは航空機のSHIFT-Wingのほうだと分かる。そちらは決定係数R²が1.00、最悪でも誤差2%以内だ。自動車のSHIFT-SUVでは同じ積分量でも車種で成績が割れ、エステート型の揚力はR²=0.815・最大誤差226.8%に達する——原著自身が「エステート型はファストバック型より難しい」と断っている¹。「従来の数値ソルバに比べて桁違いに少ない計算量」という評価のほうは、この技術報告が新たに測ったものではない。要旨の冒頭で先行するAB-UPT論文の成果を紹介した一文であり、本報告が自分の結果に付ける倍率は序論の「一桁（order of magnitude）速い」である¹。

競争的な評価でも似た結果が出ている。二次元翼型まわりの空力シミュレーションを対象にしたNeurIPS 2024のML4CFDコンペティションには、要旨の言い方では「240を超えるチーム」、本文の言い方では「およそ240の参加者ないしチーム」が集まり、計650件の提出があった²。評価は、予測精度・物理的忠実度・計算効率・分布外への汎化を包含する多基準の枠組みで行われ、優勝したエントリーは「集計指標において、元のOpenFOAMソルバの性能を上回った」と報告されている（OpenFOAMは広く使われるオープンソースのCFDソルバである）²。

ただしこの「上回った」は読み方に注意が要る。競技の正解データはOpenFOAM自身が生成したもので、精度の上限はOpenFOAMが定義している。集計スコアは速度を含む合成指標で、優勝手法MMGPは162.7倍の速さで84.68点、OpenFOAMは速さ1倍で82.5点だった²。差を作っているのは速度項であって、「機械学習がCFDソルバより正確だった」という話ではない。著者ら自身も、上回ったのは「特別に設計された基準のもとで（under tailored criteria）」だと限定している²。

そもそもこの集計スコアは、代理モデルの推論時間しか見ていない。主催者は付録で、スコア計算に明示的に現れるのは推論時間だけであり、訓練時間は「単一GPUで72時間を超えたら失格」という固定の閾値としてしか考慮されない、と書いている²。訓練データを作ったOpenFOAM自身の実行費用に至っては、どの項にも入らない。配点の側から確かめられる——速度項の総重みはML関連40%のうち25%とOOD汎化30%のうち25%で、合わせて17.5%。OpenFOAMの82.5点は「速度以外の全項目で満点を取り、速度項を丸ごと落とした」値にちょうど一致する²。主催者自身、この集計関数には「設計上まだ改善の余地がある」と付け加えている。この記事が問題にしている前払い費用は、競技の設計の中で最初から数えられていなかった。

見えていないのは前払いだ

代理モデルの推論が数秒で終わるという数字は、訓練が済んだあとの話でしかない。訓練データを生成するために古典ソルバを何度も回し、そのうえでモデルを訓練し、ハイパーパラメータを調整する。この前払い費用は、最初の一回の有用な答えが出る前にすでに支払われている。

いくらかかるのかも、要旨ではなく本文にある。AB-UPTの報告では、訓練は単一のNVIDIA H100上で12.5〜25.0 GPU時間、航空機データセットのマッハ0.85側は全560本のシミュレーションの8割にあたる448本で訓練されている¹。著者らはさらに、良い代理モデルを得るのに何本の数値シミュレーションが要るかを実際に削って測っており、56本まで減らしても決定係数は0.99を保つ（14本では−0.17に崩れる）¹。ただしこのとき最大誤差は1.3%から104.5%へ跳ね上がる。決定係数だけを見て前払いを削ると、平均は保たれたまま最悪ケースが壊れる。前払いは固定額ではなく、それ自体が設計変数だということだ。

この構造を、指標そのものとして正面から扱った研究がある。ただし着想の出所は別にある。McGreivyとHakimは2024年、流体まわりのPDEを機械学習で解いたと主張する論文の79%（76本中60本）が弱いベースラインと比較していると報告し、公正な比較のための処方の一つとして、データ生成と訓練の費用を回収するのに代理モデルを何回評価する必要があるかを式で書いて報告するよう勧めた³。Zhangらはこの量を実用に足るものにして「分岐点複雑度（breakeven complexity）」と名づけ、「学習済みソルバが、誤差を揃えた従来型ソルバと比べてコスト面で見合うようになるまでの、フォワード解の回数」と定義する⁴。評価の軸を精度だけから、前払い費用と実際に解く回数を掛け合わせた総コストへと移す考え方だ⁴。著者らは、訓練予算のうちどれだけをデータ生成に充てるかをスケーリング則で決める方法を示し、APEBench——PDEの学習ソルバ向けベンチマーク——から選んだ、二次元の周期境界条件を持つ三つの問題と、GPUネイティブのコードPyFRで生成した複数障害物まわりの流れという新しいベンチマークで検証している⁴。

そして著者らは、その回数を実際に測っている。APEBenchから採った周期境界の問題——著者らが「科学MLで普段研究されている基本的なおもちゃのPDE」と呼ぶもの——では、誤差を揃えた古典ソルバに対して見合うまでに「一見したところ数十万回の呼び出しが必要」だという⁴。一方、PyFRで生成した複数障害物まわりの流れ（BreakFlow）では「元が取れるまでに必要な推論回数は数千回程度」で、ナビエ–ストークスやクラモト–シヴァシンスキーより「二桁少ない」と報告される⁴。

つまり分岐点は、どの問題にも通用する一つの閾値ではない。問題が難しくなるほど下がる量であり、同じ論文の中で二桁動いている。採否を決めるとき写し取るべきなのは数値そのものではなく、自分の問題で数え直すという手続きのほうだ。

比較相手は「誤差を揃えた」古典ソルバ

分岐点を計算するとき、比較対象の選び方を間違えると答えが意味を持たなくなる。著者らは、比較すべき相手が誤差を揃えた従来型ソルバであることを強調する⁴。代理モデルの出力と同じ精度を出すために、古典ソルバがどれだけのコストを要するかを見なければならない。もっともこの論点について著者ら自身は「我々が最初ではない」と断り、McGreivyとHakimの批判が自分たちの仕事を直接動機づけたと書いている⁴。彼らが立てた規則は二つだ——比較は同じ精度か同じ実行時間のどちらかで行うこと、そして比べる相手はその問題に対して効率のよい数値解法であること³。

ここで見落とされやすいのが、古典ソルバ側にも精度を下げる選択肢があるという点だ。著者らは、従来型ソルバが「十分に低いシミュレーションコストで低精度の解を生成する」能力を持つことを考慮している⁴。実務でいえば、メッシュを粗くする、反復回数を減らす、乱流モデルの階層を落とす、といった操作だ。こうした操作で古典ソルバの実行コストは下がり、比較の前提が変わる。

代理モデルが勝つべき相手は、フル精度で回した古典ソルバではなく、同じ誤差水準まで安上がりに調整された古典ソルバだ。この比較を怠ると、代理モデルの優位性は実際より大きく見積もられる。

そのベンチマークは難しい問題か

代理モデルの成績が良かったとき、次に確認すべきは、そのベンチマークがそもそも簡単な問題ではないかという点だ。Duraisamyはここで、予測できるか（predictivity——関心のある地平と量について何が予測可能か）と、使う価値があるか（utility——償却まで含めて、同じ許容誤差で最適化された古典ソルバに勝てるか）を切り分けよと言う⁵。そのうえで彼は、多くの成功したベンチマークが低次元の解多様体——その問題が実際に取りうる解の集合——の上に存在し、こうした領域は「有能な縮約モデルであればどれでも十分に内挿できる」と指摘する⁵。問題の自由度が実質的に低ければ、複雑な代理モデルを持ち出さなくても、まともな縮約モデルで同程度の精度が出うる。

この指摘の実務上の意味は、しかし一方向ではない。高いスコアが、代理モデルの能力ではなくベンチマークの易しさを測っている可能性はある。そしてDuraisamy自身は、その同じ易しさを採用の追い風として数える。低次元で滑らかな解多様体の上にある問題——彼が例に挙げるのは定常空力と設計空間探索である——を、彼はニューラル代理モデルの利用価値が高い第一の領域に分類し、「ここで代理モデルが競っているのは能力ではなく償却コストであり、多数回問い合わせる用途ではコスト優位が相当大きくなりうる」と書く⁵。つまり問題が易しいことは、能力の証明にならないと同時に、採用しない理由にもならない。判断はそこで初めて、何回解くのかという計算に移る。

高周波が落ちる

もう一つ、Duraisamyが指摘する限界がある。ニューラル代理モデルは、スペクトルバイアス——学習の過程で低周波（滑らかに変化する成分）を優先し、高周波（急激に変化する成分）を学習しにくい性質——により、高周波成分を十分解像できない。粗視化——細かい格子の情報を間引いて粗い表現に落とし込む操作——は、不可逆な情報損失によってこれを悪化させると著者は述べる⁵。

実務上の帰結は、知りたい量が高周波成分に依存するかどうかを確認することだ。積分された空力荷重のような滑らかな量なら影響は小さいかもしれないが、局所的な乱流構造や急峻な勾配を伴う量では、代理モデルが系統的に見落とす可能性がある。

難しい問題ほど、代理モデルは有利になる

分岐点複雑度を提示した研究は、代理モデルが有利になる条件も示している。著者らは、コスト・次元・ロールアウト・物理レジームなどの点で問題が難しくなるほど、ニューラルPDEソルバはより効果的になると報告している⁴。ロールアウトとは、シミュレーションを何ステップも連続して予測し続けることを指す。物理レジームは、レイノルズ数が高い流れなどを指す（レイノルズ数は、流れの中で慣性力が粘性力に対してどれだけ支配的かを表す無次元数）。これらの軸で問題が難しくなるほど古典ソルバの実行コストは膨らむ一方、代理モデルの推論コストは問題の難しさにあまり依存しない。著者らはまず、分岐点複雑度が古典的にPDEを解く計算コストと逆向きに動く（原文は “scales inversely with”）ことを図で示す⁴。ただし比例関係ではない。シミュレーションがGray-Scottの100倍高いBreakFlowで分岐点は約1/10、ナビエ–ストークスやクラモト–シヴァシンスキーに対しては1000倍のコスト差に対して約1/100と、減り方はコストの伸びより一桁ぶん緩い⁴。

そしてここで著者らは立ち止まる。「これらの結果だけではその結論は導けない」と自ら断り、代替説明を挙げるのだ——BreakFlowでは低精度ソルバが10%速くなるだけで誤差が急増するため、誤差を揃えた古典ソルバのコストが下がらず、それが分母を支配して分岐点を小さく見せているだけかもしれない⁴。小さな分岐点は、代理モデル側の強さではなく、古典ソルバ側を安くできないことの裏返しでありうる。前節で見た「古典ソルバにも精度を下げる選択肢がある」という論点が、ここでは実際に分岐点の値を動かしている。著者らはそのうえで、次元・ロールアウト長・レイノルズ数という素性のよい三つの軸で測り直し、いずれの軸でも同じ傾向を確認した⁴。測られているのは、この追試のほうである。

同じ観測には代償も含まれている——「問題の難しさが増すにつれ、分岐点複雑度は下がる一方でテスト誤差は上がる」⁴。回収は早くなるが、その回収は精度を落とした側で起きている。安く元が取れたことと、答えが使えることは別に確かめなければならない。

何を数え、何と比べるか

最初に、実際に解く回数を数える。一度きりの設計評価なのか、最適化ループの中で繰り返し呼び出す用途なのか、その違いが分岐点との比較を決める。次に、データ生成のための古典ソルバの実行、モデルの訓練、ハイパーパラメータ探索の試行錯誤まで、費用をすべて前払いに数える。

そのうえで比較対象を選び直す。フル精度の古典ソルバではなく、同じ誤差水準まで調整された古典ソルバ、そして古典ソルバが選べる安価な低精度設定と比べる。縮約モデルも比較相手に並べ、双方を同じハードウェア条件で走らせる。手元のベンチマークが低次元の解多様体に閉じていないかも確認する。まともな縮約モデルで同程度の精度が出るなら、比べるべきは能力ではなく償却コストだ——縮約モデルもまた前払いの安い選択肢として、分岐点の計算に入れる。

さらに、知りたい量が高周波成分に依存するかを確認する。滑らかな積分量なら影響は限られるが、局所的で急峻な構造が重要な量では劣化を疑う。Duraisamyの言い方では「小さなL²誤差は、物理的に決定的な量の大きな誤差と両立しうる」⁵。最後に、コスト・次元・ロールアウト・物理レジームの厳しさで問題を評価し、難しい問題にこそ開発費を割り当てる。

この並べ方は独自のものではない。Duraisamyは、公正な比較に添えるべきものを四項目にまとめている。前半の二つは問題の側だ——(1)問題の特性づけ（内在次元やn-widthの代理指標、スケール分離）と、(2)物理単位で測った評価地平⁵。後半の二つは測り方の側になる——(3)スケールを意識した指標（帯域限定誤差、H¹/H²ノルム、流束や散逸に関わる量）と、(4)最適化された古典ソルバおよび縮約モデルを相手にした、ハードウェア条件を揃えた端から端までのコスト曲線⁵。うち(4)の「縮約モデルも相手に含める」「ハードウェアを揃える」の二点は、速度項が勝敗を決める評価を見たあとでは実務的に効く。

この報告を、どう割り引くか

代理モデル側の四本はすべてプレプリントであり、査読を通っていない。AB-UPTの報告は2025年10月、ML4CFDコンペティションの振り返りは2025年6月、Duraisamyの報告は2026年4月、breakeven complexityの研究は2026年5月に公開されており、証拠の期間は一年に満たない。

ただし、この記事の枠組みそのもの——前払いを数え、誤差を揃えた効率のよいソルバと比べよ——の出所であるMcGreivyとHakimだけは査読誌に載っている（Nature Machine Intelligence 6(10), 2024年）³。骨格は査読を通った土台の上にあり、査読前なのはそこに載せた個々の測定値のほうだ。割り引くべき対象を取り違えないほうがいい。

四本の要旨は、いずれも定量的な結果をほとんど載せていない。ただし要旨に無いことと、報告が無いことは別である。本文まで開くと数値はあり、しかもこの記事の主題そのものだ。AB-UPTは訓練に要したGPU時間と、データを削ったときの精度の落ち方を示す¹。ML4CFDの優勝手法は162.7倍、別のエントリーは「25分から220ミリ秒への7,000倍」の高速化を報告し²、分岐点複雑度の研究は問題ごとの回数を表で与えている⁴。速さの倍率と、元が取れる回数。この二つが揃って初めて採否は判断できる。

AB-UPTとML4CFDコンペティションは、どちらも空力シミュレーションを対象にしている。この分野で代理モデルが実用段階に近づいているという評価が、構造解析や別の物理領域にそのまま当てはまるとは限らない。なおML4CFDの主催者が挙げる「精度・汎化・物理的整合性の解消されない課題が実運用への展開を妨げている」という一文は、競技の結果ではなく、競技を開催した動機として要旨の冒頭に置かれたものだ²。結果への評価として読むと、出典の向きを取り違えることになる。

限界の側だけを採るのも公平ではない。Duraisamyは限界を並べたうえで、ニューラル代理モデルが「真に価値を持つ領域」を五つ挙げており、その筆頭が定常空力と設計空間探索——この記事が扱ってきた領域そのものだ⁵。混成解法を次の課題に据えるのは、カオス的で多スケールな力学を含むより一般のタスクについてであって、定常空力についてではない⁵。この記事が扱っているのは「使えるか否か」ではなく、どこで元が取れるかである。

代理モデルの採否を、速さの比較で決めるのは早計だ。四本が揃って示しているのは速さではない——速さを報告しているのは二本だが、うち一本は自分の集計指標が前払いを数えていないことを付録で自ら申告している。残る二本が示すのは、その速さを何回ぶん積み上げれば前払いを超えるか（分岐点）と、そもそも測っている問題が易しくないか（解多様体と高周波）である。

そして分岐点は、すでに数字で答えられている。答えは一つの閾値ではなく、科学MLが普段測っている周期境界のおもちゃ問題で数十万回、複数障害物まわりの流れで数千回という二桁の幅だった。難しい問題ほど回収は早い。だから問うべきは「代理モデルは速いか」ではなく、「自分の問題を何回解くのか、そしてその問題はどれだけ難しいのか」になる。

この記事はAIが執筆しています。内容には誤りが含まれる可能性があります。ご注意ください。