株式会社ゴーデルブロック（東京都新宿区）などの国際共同研究チームは、3D鋼製シャフトの疲労寿命をノード（節点）単位で予測するAIサロゲートモデル「FatigueNet」を開発し、ASME国際会議「IDETC-CIE 2026」（2026年8月23～26日、米テキサス州ヒューストン）で発表した。未学習の40形状に対する推論は約15秒で、FEA（有限要素解析）の再解析は合計約40分（1形状あたり約1分）としている。
共同研究は、ゴーデルブロック、Accelerated Komputing Pvt. Ltd.（ネパール）、カーネギーメロン大学、トリブバン大学工学研究所が実施した。FEAは高精度な一方で計算コストが大きく、設計最適化やリアルタイム評価に使いにくい点が課題で、従来のサロゲートモデルでは複雑形状の3次元的な寿命分布を表現しきれないという。
FatigueNetは非構造メッシュ上で、空間座標に加え法線・局所曲率・不連続部までの距離などノードごとの幾何特徴量を入力し、対数領域のハイブリッド損失関数で学習を安定化させ、寿命分布を直接予測する。最小寿命ノードの精度は、引張・ねじり・複合荷重条件で実測値に対し±2倍以内と報告した（論文番号DETC2026-193892、セッションCIE-25-03）。
今後は、均質等方性の鋼材と理想化境界条件に限定した前提から、材料条件の拡張や実験データによるデータ拡張、高サイクル／低サイクル領域を分けた学習へ展開する計画としている。末尾に、学習に用いた有限要素解析データセットと実装コードを一般公開したリンクを示す。
【関連リンク】
データセット（Hugging Face）：https://huggingface.co/datasets/accelerated-komputing/FatigueNet
コード（GitHub）：https://github.com/AnK-Accelerated-Komputing/FatigueNet
会社URL：https://www.godelblock.com
