![[PukiWiki]](image/../../img/atrg.png "[PukiWiki]")
日時：2025年5月23日（金）16:15〜17:45
会場：工学院大学 新宿キャンパス 28階 第4会議室
近年，AIを用いた3D形状生成，特にText-to-3Dモデルの進展は著しい． しかし，既存手法の多くはCLIPなどの事前学習済みモデルに依存しており，力学的特性を考慮した3D形状生成には適していない． その要因のひとつは，力学情報を含む3D形状データセットが不足している点にある．本研究では，力学的特性を条件とするDeepSDFベースの3D生成モデル（Parametor-to-3Dモデル）を提案する． トポロジー最適化とオイラー型弾塑性衝突解析を組み合わせ，スーパーコンピュータ「富岳」により合成した21,998件の自動車クラッシュボックス形状データを用いて，モデルの学習を行った． 高さ，奥行き，幅，衝突吸収エネルギーといった力学的パラメータを入力とし，それらの条件を満たす3D形状を高精度に生成するモデルの性能を評価した結果について報告する．
pandasはデータ分析において非常に頻繁に用いられるライブラリである。一方、pandasはその処理速度が遅く、データ分析処理のボトルネックとなっていた。この問題を解決するため、我々はpandasによるデータ処理を高速化するライブラリであるFireDucksを開発している。FireDucksはライブラリ内にJITコンパイラが組み込まれており、実行時に高度な最適化を行うことで高速化を実現する。また、個々の処理の実行にはcuDFを用い、その高速な実装を活用する。これにより、pandasとの高い互換性を保ちながら、高速な実行を実現した。TPC-Hベンチマークを用いた評価では、pandasと比較して100倍以上の性能向上を達成した。ユーザはpandasプログラムを書き換えることなく、GPUを用いた高い性能を利用することができる。
終了後に新宿の居酒屋で懇親会を行います。料金は5000円程度を予定しています。
参加される方は以下のURLから参加登録をお願いします。（人数制限に達し次第締め切ります。お早めにお申し込みください。）
