エンジニアリングデザインのためのAIとML

October, 20, 2025, Cambridge--人工知能の最適化は、より高速で正確な設計とシミュレーション、効率の向上、プロセス自動化による開発コストの削減、予知保全と品質管理の強化など、機械エンジニアに多くのメリットをもたらす。

「機械工学について考えるとき、ハンマーなどの基本的な機械ツールについて考える。自動車、ロボット、クレーンなどのハードウェアだが、機械工学は非常に幅広い」と、海洋利用のドハティ講座でマサチューセッツ工科大学（MIT）の機械工学准教授Faez Ahmedは言う。「機械工学では、機械学習、AI、最適化が大きな役割を果たしている。」

Ahmedのコース2.155/156(エンジニアリング設計のためのAIと機械学習)では、学生は機械工学設計に人工知能と機械学習のツールと技術を使用し、新製品の作成とエンジニアリング設計の課題への対処に焦点を当てる。
「機械エンジニアが設計プロセスを本質的に迅速化するために機械学習とAIについて考える理由はたくさんある」と、Lyle Regenwetterは言う。同氏は、このコースのティーチングアシスタントであり、複雑なエンジニアリング設計問題を研究するための新しい機械学習と最適化手法の開発に焦点を当てたAhmedの設計計算およびデジタルエンジニアリングラボ(DeCoDE)のPh.D候補者である。

2021年に初めて開かれたこのクラスは、機械工学科(MechE)の最も人気のある非コアコースの1つとなり、機械工学、土木・環境工学、航空宇宙、MITスローン経営大学院、原子力・コンピュータサイエンスなど、研究所全体の学部から学生や、ハーバード大学やその他の学校からの相互登録学生を魅了している。

このコースは学部生と大学院生の両方を対象としており、現実世界の機械設計問題の文脈における高度な機械学習と最適化戦略の実装に焦点を当てている。自転車フレームの設計から都市グリッドまで、学生は物理システムのAIに関連するコンテストに参加し、友好的な競争が促進されるクラス環境で最適化の課題に取り組む。

学生には、チャレンジの問題と「解決策を与えたが、最良の解決策ではない…」というスタータコードが与えられる。MechEの大学院生であるIlan Moyerは説明している。「われわれの仕事は、どうすればもっとうまくやれるかを決めることだった。」ライブリーダーボード(Live leaderboards)は、学生が継続的に方法を改良することを奨励する。

システム設計と管理の大学院生Em Lauberは、このプロセスにより、学生が学んだことの応用と「文字通りコーディングの方法」の練習スキルを探求する余地が与えられたとコメントしている。

カリキュラムには研究論文に関するディスカッションが組み込まれており、学生はロボット工学、航空機、構造物、メタマテリアルなどの特定の工学的問題に合わせた機械学習の実践的な演習も追求する。最終プロジェクトでは、学生は、選択した複雑な問題の設計にAI技術を採用するチームプロジェクトで協力する。

「クラスプロジェクトの多様さと質の高さを見るのは素晴らしいことだ。このコースの学生プロジェクトは、多くの場合、研究出版物につながり、賞にもつながりました」(Ahmed)。同氏は、米国機械学会システム工学、情報、知識管理2025年最優秀論文賞を受賞した「GenCAD-Self-Repairing」というタイトルの最近の論文の例を挙げている。

「最終プロジェクトの最も良かった点は、すべての学生がクラスで学んだことを、非常に興味のある分野に適用する機会を与えてくれたことだ」と、MechEの大学院生Malia Smithは話している。同氏のプロジェクトは「マーカー付きモーションキャプチャデータ」を選択し、ランナーの地面力の予測を検討しましたが、予想よりもはるかにうまく機能したため、Malia Smithはこの取り組みを「本当に満足のいくもの」とした。

Lauberは、ポール、プラットフォーム、スロープの様々なモジュールを備えた「キャットツリー」設計のフレームワークを採用して、個々の猫の家庭向けにカスタマイズされたソリューションを作成し、Moyerは新しいタイプの3Dプリンタアーキテクチャを設計するソフトウェアを作成した。

「大衆文化で機械学習を見ると、それは非常に抽象的で、何か非常に複雑なことが起こっているように感じる。このクラスは幕を開けました」とMoyerは話している。