足元から60℃で温められる Stanford Bunny
熱伝導シミュレーションの0秒、1秒、2秒、3秒。アルミニウムを想定し、初期温度20℃、底面60℃です。出典: J. Topart et al., “Enabling AI-Controlled additive manufacturing with real-time multiphysics digital twins”, Figure A3, Virtual and Physical Prototyping 21(1), e2610146 (2026).
今回のStanford bunny
Stanford bunnyは、三角形メッシュをSmoothed Particle Hydrodynamics（SPH）で扱う粒子集合へ変換するmesh-free samplingの例と、粒子ベース熱伝導の例に使われています。
AppendixのFigure A3では、アルミニウムを想定し、初期温度20℃、底面温度60℃、熱伝導率237 W/(m·K)として温度場を計算しています。0、1、2、3秒後の分布が示されます。
論文はStanford bunnyと明記していますが、使用した配布ファイル名までは記載していません。今回は破壊も変形もなく、粒子へ分解されたあと足元から温められています。
今回の扱い：粒子化され、20℃から開始して底面を60℃に固定した熱伝導計算をされる
状態：無傷
論文の内容
高速に繰り返せるマルチフィジックス環境
研究対象はFFFなどの材料押出型Additive Manufacturingです。流動、冷却、固化、固体変形、接触などを高精度に解くと計算量が大きくなります。一方、Reinforcement Learningでは多数回のsimulationが必要です。
そこで、物理的傾向を保ちながらGPUで繰り返せるsimulation environmentを構築しています。in-house frameworkはMerlinと呼ばれています。
Particleを共通表現にする
fluid、solid、thermalを粒子表現で統一します。任意の三角形形状はray castingを使ってvoxel分類し、内部voxelへparticleを配置します。
fluidにはSPHとPosition-Based Dynamicsを組み合わせ、density constraintを反復的に解きます。viscosityはXSPH filteringで近似し、solid mechanicsにはco-rotational formulationを利用します。
熱伝導と熱膨張
近傍particle間で熱を交換し、異種material間ではthermal conductivityの調和平均を利用します。温度場はexplicit integrationで更新され、solid側ではthermal strainも計算できます。
一方、latent heatは実装されていません。phase changeは単純なtemperature thresholdで扱われるため、溶融・結晶化・凝固に伴うエンタルピー変化を高精度に再現するモデルではありません。
GPU実装
OpenGL compute shaderを中心に構成し、particle state、spatial-hash key、contact listなどをGPU memoryへ保持します。neighbor searchにはspatial hashを使い、renderingも同じGPU dataを参照します。
bufferは最大300万particleを保持できる設計ですが、それを常にinteractive rateで計算できるという意味ではありません。
FFF実験との比較
PLA extrusionについて、flow rate、travel velocity、layer heightを変え、bead widthを実験と比較しています。多くの条件では誤差5%以内ですが、process window端では25%や40%程度まで誤差が増える条件があります。
RLとの接続
ZeroMQを介してPython側のPPO agentと接続し、simulated observationからextrusion flow rateを連続制御します。toolpathはG-code側が担当し、RLがtrajectory planningまで行うわけではありません。
trainingは最大約250万agent stepsで、single GPU上で約100時間です。論文はこの結果をproof-of-conceptと位置付けています。
制約
実機との双方向接続はまだなく、厳密な意味のDigital Twinとして完成しているわけではありません。またviscosity、latent heat、residual stress、warpingなどに簡略化があります。
用途は高精度process solverの置き換えではなく、control development、synthetic data、parameter study、interactive experimentationにあります。
論文情報
Enabling AI-Controlled additive manufacturing with real-time multiphysics digital twins
Jules Topart, Hugues Tortajada, Thomas Fiolet, Roberto Lombardi, Stéphane Panier
- Published online: 2026年1月28日
- Journal: Virtual and Physical Prototyping 21(1)
- DOI: https://doi.org/10.1080/17452759.2025.2610146
- 分野: Additive Manufacturing / Digital Twin / SPH / GPU / Reinforcement Learning
- 使用モデル: Stanford bunny
- 使用箇所: Section 3.1.1、Section 3.3、Figure 2、Figure A3
- thermal condition: 20℃ initial / 60℃ bottom boundary
- thermal conductivity: 237 W/(m·K)
- visualization: 0 / 1 / 2 / 3 s
- 用途: mesh-free samplingとthermal diffusionの動作確認