Koji Nishiguchi (西口浩司)

名古屋大学 大学院工学研究科 土木工学専攻 准教授｜理化学研究所 計算科学研究センター AI for Scienceプラットフォーム部門 AI学習最適化基盤開発ユニット 上級研究員｜構造設計のための3D生成AI｜スーパーコンピューティング｜オイラー型構造解析｜プロフ画像出典：NHK World Science View

[Koji Nishiguchi (西口浩司) @EulerNishiguchi]

私の研究活動(3D生成AI、スパコン「富岳」を用いたオイラー型構造解析)を特集して頂いた番組が、今年の3月12日にNHK WORLDで世界160の国と地域で放送されました。共同研究をさせて頂いているトヨタ自動車、マジックシールズの方々もご出演いただいています。

現在もウェブで無料でご覧いただけますので、ぜひご覧いただければ幸いです。

https://t.co/JEQKuQT3Fx

[Koji Nishiguchi (西口浩司) @EulerNishiguchi]

@ImahoriYamato ありがとうございます！ダイエット前の古い写真のままでした（笑）

[Koji Nishiguchi (西口浩司) @EulerNishiguchi]

CEATEC 2026で講演いたします。よければご参加いただけますと幸いです。
・日時：2026年10月16日（金）
・題目：AIとCAEはどう共進化するのか：3D生成AIとマルチフィデリティCAEが拓く設計探索の未来  
・講演概要：3D生成AIが生み出す多様な形状候補を設計へつなげるための、CAEによる物理的妥当性・安全性の検証について説明します。低忠実度解析、AI��ロゲート、ROM、高忠実度解析を組み合わせ、AIがCAEの一部を自動化する一方で、CAEが信頼性保証の基盤へと発展する方向性を紹介します。

[Koji Nishiguchi (西口浩司) @EulerNishiguchi]

製造業���R&DやCAEに携わる方々とお話ししていると、AIについて似た悩みを伺うことがあります。

「できると言われて話を聞いたが、実際の業務条件まで踏み込むと、話が違ってきた」
「AI関連の提案が非常に多く、何を信じて評価すればよいのか分からない」
「デモはきれいだが、本当に自社の設計業務で使えるのか判断できない」
AIの研究開発そのものには、不確実性があります。失敗も当然あります。新しい技術ですから、それ自体は��題ではありません。問題なのは、研究段階で確認できたこと、限定条件で確認できたこと、実際の業務で安定して使えること、この三つが区別されないまま説明されることです。
特に製造業では、「それらしい結果」が出ればよいわけではありません。形状が生成できても、生成AIモデルの予測値とは独立したCAE解析等による検証を経なければ、工学的な妥当性を十分に評価できません。予測が高速でも、適用範囲外でFalse OK、つまり本当は問題があるものを誤って「問題なし」と判定するのであれば危険です。PoCが成功しても、導入後に更新・保守・技術支援が続かなければ、業務基盤としては使えません。

そして、学習データの準備、形状修正、CAEによる検証、人の作業時間まで含めると、AIを使わない方が合理的な場合さえあります。ここには、技術だけではなく、経営の問題もあると思っています。

VCによる資金調達を中心とするスタートアップモデルは、短期間で大きな資金を集め、優秀な人材を採用し、技術や市場を急速に開拓するうえで非常に優れた仕組みです。多くの技術革新や新しい産業が、この仕組みによって生まれてきたことも事実だと思います。また、VCから出資を受けている企業一般について、何か問題があると述べたいわけでもありません。優れたVCも、誠実なスタートアップも数多くあります。

私が考えているのは、もっと単純に、資本構造と事業特性には相性があるのではないか、ということです。すべての事業に、同じ成長モデルが適しているとは限りません。

例えば製造業向けのAIでは、技術の成立性を確認するまでに時間がかかる場合があります。顧客ごとに保有しているデータも異なり、対象となる物理現象も違います。境界条件、製��条件、要求精度、既存の設計・CAE業務も異なります。さらに、一度設計業務へ組み込まれれば、その後の更新、保守、技術支援、再現性の確保なども必要になり、場合によっては数年単位で使われる業務基盤になります。

このとき、資本側が期待する成長の時間軸と、技術を検証するために必要な時間軸、さらに顧客が技術を利用する時間軸が大きくずれる場合には、構造的な緊張が生じる可能性があります。例えば、もう少し検証を続けるべきか、それとも市場投入を優先するのか。限定された適用範囲を慎重に説明するのか、それとも将来的な市場の広がりや成長可能性を早い段階から示していくのか。新規顧客の獲得へ人員を投入するのか、それとも既存顧客の検証、保守、技術支援へ人員を投入するのか。

どちらが正しい、間違っているという話ではありません。ただし、製造業向けAIでは、この時間軸や資源配分の整合性も、アルゴリズムの性能と同じくらい重要ではないかと思っています。研究上すばらしい技術であることと、業務で継続的に利用できる技術であることは同じではありません。デモで良い結果が得られることと、顧客のさまざまな条件で安定して利用できることも同じではありません。これは、AIに限らず、製造業の技術では昔から当然のことだったのではないかと思います。

私が代表取締役社長を務めるKatachi Dynamics株式会社は、名古屋大学発ベンチャーとして2026年3月に設立しました。現時点ではVC等からの出資を受けずに運営しています。これはVCを否定しているからではありません。私たちが扱っている領域では、短期的な売上成長だけを優先するよりも、「この条件であれば使えます」「これはまだ研究が必要です」「現時点では導入しない方が合理的です」と、技術的な事実に基づいて判断できる自由を持っておくことが重要だと考えているからです。

そのため、Katachi Dynamicsでは、「研修 → 適用性診断 → PoC → ソフトウェア提供・運用」を意識的に分けています。研修では、個別製品を購入していただくことではなく、3D生成AI、CAE、AI for Science等について、お客様自身が評価するための共通言語や判断基準を持っていただくことを重視しています。

適用性診断では、弊社の技術を導入することを前提にしません。対象となる課題、データ、物理現象、設計・製造制約、検証方法、KPI、費用対効果などを整理し、既存のCAE、他社技術、場合によっては「AIを使わない」という選択肢まで含めて考えます。その結果として、GO＝限定条件でPoCに進む価値がある、RESEARCH＝その前に追加データ取得や研究が必要である、HOLD＝現時点では進まない方が合理的である、という判断があり得ます。

私は、GOだけが成功だとは考えていません。不要なPoCを実施しないこと、適さないソフトウェアを導入しないことも、技術判断としては重要な成果だと思っています。

また、私たち自身の3D生成AIについても例外にはしません。形状がそれらしく見えるかだけではなく、生成AIモデルの予測値とは独立したCAE解析で性能を確認する。学習データの範囲内である内挿と、その範囲を超える外挿を分けて評価する。形状の修復工数やメッシュ作成、CAEによる検証、��の作業時間まで含めて評価する。できることと、できないことを分け、まだ分からないことは分からないと明示し、必要であれば追加研究を行う。そのような厳しい評価基準に耐えられる技術にするため、名古屋大学西口研究室では学術研究を、Katachi Dynamics株式会社では社会実装に向けた開発・検証を、それぞれ進めています。

私が製造業AIの分野で実現したいのは、AIをたくさん売ることだけではありません。お客様自身が、AIを正しく評価できる「物差し」を持てる状態をつくることです。

何秒で推論できるのか。学習データではどの程度の精度なのか。未知の条件ではどうなるのか。適用範囲外を検知できるのか。生成した形状をCAEで検証できるのか。修正なしで業務フローへ流せるのか。その検証にどの程度の時間と人手が必要なのか。従来手法と比較したとき、本当に費用対効果があるのか。こうした点を確認したうえで、技術を選べる状態が望ましいと思っています。

その結果、他社の技術が最も適しているのであれば、それを選べばよいと思っています。従来のCAEの方が合理的なのであれば、それでもよいと思っています。そもそもAIを使わない方がよいのであれば、それも正しい技術判断です。

私は、AIベンダーの説明の上手さや、デモの見栄え���けではなく、実際の検証に耐えられる技術が選ばれる市場になってほしいと考えています。そしてKatachi Dynamics自身も、その厳しい評価基準の例外ではありません。お客様の評価能力が高まれば、当然、私たちの技術にもより厳しい要求が向けられるようになります。それでよいと思っています。

むしろ、そのような市場の中でも選んでいただける技術と、継続して利用していただける供給体制をつくることが、私たちの仕事だと考えています。

AIを売ることより先に、AIを正しく評価できる状態をつくる。その評価基準から、自分たち自身も例外にしない。それが、私がKatachi Dynamicsを経営するうえで大切にしていることの一つです。

※本投稿は、私個人およびKatachi Dynamics株式会社代表取締役社長としての見解であり、名古屋大学・理化学研究所を代表するものではありません。

[ryan 👾 @ryan_rossmango]

The amount of time it will take to overcheck, revise, & eventually decide to turn away from a broken AI CAD model absolutely dwarfs simply making it yourself.

Errors that you didn’t even know existed are going to show up weeks later in FEA and CFD, after you’ve already lost your mind thinking the stress results are “artifacts, I guess”.

Cons outweigh the pros. I think AI CAD (unless some output error tolerance drastically changes, which I don’t expect to happen ever based on empirical data over the past 4 years plus understanding how LLMs work) will at best make pretty renderings that no one bothers digging into.

[ITmedia NEWS @itmedia_news]

Anthropic、AIで物理機器を制御する共通規格「MHS」発表　将来オープンソース化へ
https://t.co/XrgiC9bezi

[片桐孝洋 @Takah_Katagiri]

16:00-16:45 パネル
「スパコン「不老・弐」を用いた新しい研究展開」

ファシリテーター：
片桐　孝洋（名古屋大学）
パネリスト：
平井　浩一（富士通）
濱村　一航（エヌビディア）
吉田　慶次（日本AMD）
西口　浩司（名古屋大学）
坂倉　耕太（大阪大学）
林　俊一郎（名古屋大学）

[片桐孝洋 @Takah_Katagiri]

【再宣伝】「スーパーコンピュータ「不老・弐」へ向けたユーザ集会」
日時：2026年9月8日(火) 13:00～＠Zoomおよび現���
https://t.co/quhBKLE88Q

参加無料、パネルを追加しました。奮って、ご登録ください！
#スパコン不老・弐

[Koji Nishiguchi (西口浩司) @EulerNishiguchi]

令和8年度B期「富岳」一般課題で、西口浩司（名古屋大学大学院工学研究科）を研究代表者とする2課題が採択されました。いずれも重点分野（AI）としての採択です。

「超多ケース高忠実度オイラー型弾塑性解析と3D生成AIによるギガキャスト材料特性ばらつきの確率的デジタルツイン構築」
配分資源量：10,500,000ノード時間
利用計算機：スーパーコンピュータ「富岳」

「高忠実度オイラー型弾塑性解析による薄板衝撃吸収構造の時系列データセット構築と条件付き3D生成AIの検証」
配分資源量：9,937,500ノード時間
利用計算機：スーパーコンピュータ「富岳」

利用期間：2026/10/1～2027/9/30
配分資源量：計20,437,500ノード時間

このような貴重な計算資源を利用する機会をいただいたこと、また日頃より研究にご協力いただいている関係者の皆様に感謝申し上げます。配分いただいた計算資源を有効に活用し、責任をもって研究を進めてまいります。

選定結果：
https://t.co/17a1tM1euW

[Koji Nishiguchi (西口浩司) @EulerNishiguchi]

いえ、滅相もございません。今後とも、イジりはお手柔らかにお願いしますw

製造業AIは、単一のアプリやソフトを導入すれば定着するわけではなく、既存の設計業務への接続、ROIを定量化するためのKPIの設計、他部門との横串の連携なども必要ですので、丁寧かつ地道な取り組みが必要だと感じております。

ぜひまた議論させて頂けましたら幸いです。

[Koji Nishiguchi (西口浩司) @EulerNishiguchi]

10月7日（水）に品川で開催されるSCSK株式会社さまのイベントにて，「AIはCAEを置き換えるのか：3D生成AIとマルチフィデリティCAEが拓く設計探索の未来」と題して，基調講演をさせて頂きます。ご興味ございましたら，ぜひご参加いただけますと幸いです。懇親会などでも意見交換をさせていただく予定です。
日時：2026年10月７日(水)10:30～17:00
懇親会：17:00～18:30
会場：東京コンファレンスセンター・品川　５F
開催形式：会場現地開催
参加費：無料（事前登録制）

■基調講演
名古屋大学　大学院工学研究科　准教授/
理化学研究所　上級研究員
Katachi Dynamics株式会社　代表取締役社長
西口　浩司　様
「AIはCAEを置き換えるのか：3D生成AIとマルチフィデリティCAEが拓く設計探索の未来」
生成AIおよびAIエージェントの発展により、設計・解析・製造のワークフローは転換点を迎えている。本講演では、AIとCAEの関係を「置き換え」ではなく「役割の再編」と捉え、3D生成AI、大規模構造解析、AIサロゲート、ROMなどを組み合わせたマルチフィデリティCAEの可能性を概説する。特に、AI学習用データセット作成、生成候補の物理的妥当性検証、低忠実度・高忠実度解析を組み合わせた設計探索���ワークフロー全体の信頼性確保に着目する。あわせて、名古屋大学発ベンチャー企業であるKatachi Dynamics株式会社における3D生成AIとCAE連携の取り組みを紹介する。
https://t.co/7A2QsmNT0a

[Koji Nishiguchi (西口浩司) @EulerNishiguchi]

ハーバード大学のPetros Koumoutsakos先生が、AI for ScienceにはPhysicsとPhilosophyという「二つのφ」が必要だ、という趣旨の話をされていました。

現在、ミュンヘンで開催中の17th World Congress on Computational Mechanicsに参加しています。そのPlenary Lectureで語られた、この「二つのφ」という考え方が印象に残ったので共有します。

私なりに解釈すると、Physicsは、支配方程式や境��・初期条件などを通じて、AIによる予測や生成に物理的な制約を与えます。

一方、Philosophyは、

「どのような問いを立てるのか」
「高精度に予測できれば、現象を理解したと言えるのか」
「何を科学的知識として認めるのか」
「どの条件でAIの結果を信頼してよいのか」

を問います。

PhysicsがAIの出力を現実世界と整合する方向へ制約するのに対し、Philosophyは、その出力をどのように解釈し、科学的知識として評価するのかを考える視点だと理解しました。

この考え方は、3D生成AI、サロゲートモデル、デジタルツイン、AIエージェントなど、AIを科学や工学へ実装する際にも共通して重要だと思います。

予測精度が高いだけでは、責任ある科学的・工学的意思決定に用いるには不十分です。適用範囲、不確実性、再現性、想定される失敗条件���適用限界まで検証する必要があります。

「何が物理的に許されるのか」
「なぜ正しいと考えられるのか」
「どこまで信頼できるのか」

AI for Scienceを考える上で、非常に示唆的な視点でした。

[片桐孝洋 @Takah_Katagiri]

【参加募集】スパコン「不老・弐」先行利用申込オンライン説明会
　2026年8月24日（月）13:00～
https://t.co/0Tlr4naW7s

　名大「不老・弐」は10月1日に運用開始です。最先端のGPUのGB200が、1EXA AI Flops搭載されます。
　先行申込の詳細を説明予定です。奮ってご参加ください。
#スパコン不老・弐

[片桐孝洋 @Takah_Katagiri]

【参加募集】「不老・弐」へ向けたユーザ集会
2026年9月8日(火) 13:00-16:30
オンラインおよび名古屋大学情報基盤センター
https://t.co/quhBKLE88Q

奮ってご参加のご検討ください。
#スパコン不老・弐

[hiron @hiron_rgkr]

なんと私の本が出ます！
内容は Grasshopper の簡単な使い���から Karamba3D を使ったパラメトリックな構造解析、さらには Tunny を使った構造最適化まで、これ一冊で構造コンピュテーショナルデザインの入門ができることを目指して作成しました！
よろしくお願いします！！！
https://t.co/3OaRANG83w

[Koji Nishiguchi (西口浩司) @EulerNishiguchi]

7月15日（水）に、デジタルプロセス株式会社主催「第40回 経営に貢献するCAEセミナー」にて講演します。講演タイトルは、「3D生成AIによる次世代設計探査：性能目標からの形状生成で、CAEの『3つの壁』に挑む」です。

近年、生成AIは文章・画像・動画に限らず、設計・製造・CAEの領域にも広がりつつあります。一方で、製造業の設計現場では、AIが生成した形状をどのように評価するのか、CAEや実験データとどのように接続するのか、設計者の意思決定にどう組み込むのか、といった実装上の課題が残されています。

今回の講演では、���来のCAEや構造最適設計が直面する「動的非線形問題」「製造制約」「設計空間探査」の3つの壁を念頭に、性能要件から3D形状を直接生成するParameter-to-3Dモデルの考え方と、CAE・実験データとの融合による次世代の構造設計・設計探査について紹介します。

また、名古屋大学発スタートアップであるKatachi Dynamics株式会社を通じた、製造業における3D生成AI・CAE活用の社会実装についても触れる予定です。

本セミナーでは、トヨタ自動車株式会社、株式会社キリウ、株式会社IHIエアロスペース、デジタルプロセス株式会社の皆様による講演も予定されています。CAE、設計DX、AI・最適化、自動化に関心のある企業・法人の皆様にとって、有益な情報交換の場になると思います。

参加費は無料、事前登録制です。

詳細・申込：https://t.co/oRk45Xjy7H

#CAE #生成AI #3D生成AI #設計DX #AIforManufacturing

[yamato_imahori @ImahoriYamato]

すでに開催決定済みです😊
西口先生とディスカッションができるリアルタイムでの参加をオススメします😊

[Koji Nishiguchi (西口浩司) @EulerNishiguchi]

本セミナーでは、いわゆるText-to-3Dの一般論にとどまらず、構造設計・CAEで実際に問題となる「性能要求を満たす3D形状をどう生成するか」という観点を重視します。

特に、SDF、DeepSDF、潜在ベクトル、Parameter-to-3D、力学的パラメータと形状生成の関係などを、機械設計・構造設計への応用を意識して整理します。

[Koji Nishiguchi (西口浩司) @EulerNishiguchi]

2026年7月28日（火）13:00〜17:00に、日刊工業新聞社主催のWEBセミナーにて、「3D生成AI×構造設計が拓く 新世代の機械設計手法〜生成AIを活用した構造・設計探査と自動設計のアプローチ〜」という題目で講演します。

近年、画像・文章・コード生成に加えて、3次元形状を対象とする生成AIの研究開発が急速に進んでいます。一方で、機械設計・構造設計への応用を考える場合、単に見た目として妥当な3D形状を生成するだけでは不十分です。剛性、強度、衝撃吸収、座屈、製造制約など、力学的・工学的な要求をどのように3D生成AIへ組み込むかが本質的な課題になります。

本セミナーでは、以下の内容を中心に解説します。
・構造設計における生成AIの位置づけ
・���存の3D生成AIの限界と、力学情報を扱うための課題
・SDF / DeepSDF などの3次元形状表現の基礎
・力学的パラメータに基づく3D形状生成
・ギガキャスト構造、衝撃吸収部材、複数機能統合部品などへの応用可能性
・今後の機械設計・CAE・構造最適化プロセスの展望

ライブ配信に加えて、後日の録画視聴も可能です。機械設計、CAE、構造最適化、生成AIの産業応用に関心のある技術者・研究者の方にご参加いただければ幸いです。
詳細・申込：
https://t.co/UC4P8u2tA1

[片桐孝洋 @Takah_Katagiri]

【御礼】情報システム学会誌の巻頭言で、HPC-GENIEプロジェクト、VibeCodeHPC、AI Scientistの研究を取り上げていただきました。

https://t.co/RGxhMQnxgZ
#HPC_GENIE
#VibeCodeHCP
#ARI

[Koji Nishiguchi (西口浩司) @EulerNishiguchi]

@ImahoriYamato 今堀様，いつもお世話になっております。ありがとうございます！引き続き，どうぞよ���しくお願いいたします。

[Koji Nishiguchi (西口浩司) @EulerNishiguchi]

先日、日本計算工学会2025年度技術賞の表彰式に出席しました。受賞対象は、「Parameter-to-3D手法に基づく3D��成AIによる動的非線形構造の逆設計・探査技術」です。

日本計算工学会技術賞は、計算工学の発展に顕著な貢献をしたと認められる技術・作品の開発者に授与される賞です。

今回の受賞は、名古屋大学で進めてきた、構造力学・スーパーコンピューティング・3D生成AIを融合した研究成果をご評価いただいたものです。

本技術は、要求性能や設計パラメータから3D形状を生成・探索するものであり、特に動的非線形構造を対象としている点に特徴があります。

研究を支えてくださった共同研究者、学生、名古屋大学・理化学研究所・産業界の皆様、ならびに日本計算工学会の皆様に、心より感謝申し上げます。

現在、私が代表取締役社長を務めるKatachi Dynamics株式会社では、本技術の社会実装にも取り組んでおります。本年3月に、名古屋大学で進めてきた研究成果の社会実装を目指す会社として設立したものです。

今回の受賞を励みに、今後も計算工学、AI for Manufacturing、3D生成AIを活用した構造設計支援技術の発展に取り組んでまいります。