畳み込みニューラルネットワークを用いた磁気回路の特徴量抽出に関する検討(2): 同期リラクタンスモータのトポロジー最適化へのマルチタスク学習の適用

摘要

本稿では，マルチタスク学習を用いたSynRMの特徴量抽出手法を提案した.具体的には，SynRMの磁性材料密度分布を入力，主タスクを平均トルク分類，補助タスクをトルクリップル分類としてマルチタスク学習を行い，各画像の分類に寄与した特徴を抽出した.マルチタスク学習の分類正解率は，別々で学習させた場合と同程度の性能を示したため，タスク毎に結果を解釈する必要がなく効率的といえる.さらに，CNNによる判断根拠をGrad-CAM++，およびScore-CAMで可視化した.その結果，Grad-CAM++の可視化結果は重要度の高い領域が磁気回路形状とは無関係に点在しているため，設計に有用な特徴量抽出のためにはScore-CAMの適用が望ましいことを示した.また，電気機器のような複雑な磁気回路形状の特徴量を適切に抽出するためには，対象とする物理量をある程度の分解能で評価できるように問題(目的関数，設計変数および拘束条件)を適切に設定する必要があることを明らかにした.さらに，特徴量抽出において評価項目が複数ある場合，マルチタスク学習の方が複数の性能指標を同時に学習するため効率的ではあるが，複数のシングルタスクとして扱うことで各性能指標に対する特徴量をより明確に抽出可能であることを示した.