私たちの社会を支えるインフラ構造物は、老朽化や災害に対するリスクを抱えている。西尾准教授たちは先端的なセンシングや数値シミュレーションの技術を駆使して、橋梁などインフラ構造物運用の「知能化」を目指している。

数値シミュレーションにセンシングデータの同化をはかる

数値シミュレーション・数値解析は物理現象を数学的に近似してコンピュータで解く技術ですが、工学分野では現実の対象物や現象に妥当な近似・モデル化をして、意思決定のニーズに合わせて迅速に解く必要があります。特に橋梁など実環境下で運用される土木インフラ構造物の地震や交通といった荷重に対する応答の数値解析を構造物運用の安全性評価に用いるには、さまざまな課題があります。
そのうちの1つへのアプローチとして近年、盛んに研究されているのが“データ同化”です。数値シミュレーションのために作るモデルの不確定性を観測データで低減して、より良い精度で解析結果を得ようとする手法です。私たちはこのデータ同化で、老朽化しているインフラ構造物の劣化や損傷の状態を適切に反映するモデルを作り、例えば将来起こるかもしれない地震に対して今の構造物が被害をうけるリスクが高まるのか、といったことを定量的に調べられる技術を作りたいと思っています。
データ同化は、数値シミュレーションの出力が観測データと整合するように、モデルを更新しますが、ここには確率論の推定手法を使うことになります。また、大きな土木構造物で得る観測データは「変形」と「揺れ」に関する量で、さまざまなセンシング技術や情報通信技術を駆使します。分野横断的に技術を使ったり考えたりする面白さがあります。さらに近年は、橋など大きな構造物でセンサを置いたり貼ったりする作業はとても大変なので、画像計測やコンピュータ・ビジョン技術を使ったデータ取得の研究も行っていますし、数値シミュレーションが現実の問題で迅速に活用されることも目指して、拡張現実(AR)技術を合わせるデータ同化構造解析の研究にも着手しています。

図1：データ同化によるインフラ構造物の安全性解析
実空間でさまざまなセンシング技術で対象構造物に関するデータを取得し、デジタル空間のシミュレーションモデルに反映して、安全評価の解析を行う。構造物運用の意思決定に迅速に判断させるため、いろいろなところで機械学習／AIの手法を使っている。（作図：西尾 真由子）

機械学習で数値シミュレーションを効率化する

今、データ同化と関連して力を入れているのが、「数値シミュレーションの効率化」です。ここでは機械学習・AIの活用を考えていて、つまり数値解析を機械学習に置き換えるということです。これは工学分野に限らずいろいろな分野で近年活況を呈している研究なのですが、私たちの特徴は、“土木工学・構造力学の専門知識”を取り入れようとしていることです。一般的によいAIをつくるには、たくさんの多様な学習データを使わなければなりませんが、構造解析というようにある目的に特化したAIモデルをつくる場合にも、十分な数の学習データをつくる必要があって大変コストがかかります。これに対して例えば転移学習という方法を使うと、うまく効率化して機械学習で数値解析ができるようになります。橋を設計する際などに実施した新しい状態での解析結果を先に学習して機械学習モデルを作っておくと、後で老朽化で損傷した状態での解析が少ない回数しか実施できなくても、それを追加の学習データとして使って損傷した状態の数値解析が可能になる、という感じです。転移学習の役割は、損傷の有無に関わらず橋という構造物の応答の普遍的な特徴を先に学習しておくことです。これは、犬の種類を画像認識するAIをつくる場合に、猫の画像で「目2つと鼻1つ」というように動物の顔の共通の特徴を先に学習しておく、という考え方です。

もっと複雑なシステムを扱えるようにする

データ同化は数値シミュレーションとセンシングが関わるんですが、実験室では梁や板といったシンプルな構造を対象に研究を行うことも多いですが、私たちの念頭にあるのは実構造物です。私たちの身の回りの橋や施設建物をみると、たくさんの部材が組み合わさってできていることがわかり、全体としてはかなり複雑なシステムです。この複雑なシステムをデータ同化でどのように扱うか、という点がこれから挑戦しようとしていることです。数値解析を考えても、膨大な要素・箇所での物理方程式を連成して解くので計算コストは膨大です。さらに実環境下にある構造物を実際にセンシングしてみると、理想的とは言い難い複雑なノイズがのったデータが膨大に取得されるのです。こういった課題を構造工学だけにとどまらず、情報工学、応用数学など分野の垣根を越えて新しいことを勉強しながら研究で考えていくことが楽しいです。これからの工学研究では、既存の分野の枠組みにとらわれずに対象や課題に適した視点や方法を取り入れること、そしてそれが受け入れられていくことが、必要不可欠だと強く感じています。

図2：構造物のデータ同化解析に関する研究の様子
データ同化研究は数値シミュレーションだけでなく計測データの取得も必要なので，コンピュータでの作業から実験や現場計測まで検証作業は幅広い。左図はAIベースの構造振動シミュレーションをリアルタイムでデータ同化してARで可視化する研究で、実験室で梁の振動試験をしている。中央は腐食した梁の曲げ試験の様子，構造解析モデルに実際の腐食を表して実際の変形が再現できるかという研究をしている。右図は実際の橋で三次元データを取得している研究室メンバーの様子。
（左図の作成：奥田東子（AIS西尾研, 2025年3月修了），中央・右図の撮影：西尾研メンバー）

（取材日：2025年7月7日）