最適製品システムを設計する場合、その製品システムの評価手法を用いて設計変数の最適化を行うことになる。このとき、製品システムが複雑になるにつれて最適化を行うための評価回数が飛躍的に増大する。そのため、製品システムの全体最適化は非常に困難を極める。さらに、評価手法としては、計算機の性能の向上とともに有限要素法を用いたシミュレーション技術の進歩が用いられその精度は向上しているが、非常に時間がかかる。

最適化時間 ≒ 評価回数 × 1回の評価時間

　これに対して、現状では最適化のアルゴリズムの向上によって評価回数の削減と、科学的な演繹的知識を用いた単純モデルを用いた1D-CAE等の簡易評価を用いた短時間評価手法の研究がなされている。しかし、現状の評価手法では複雑なシステムの設計の最適化では精度と時間という相反問題を解決することは困難である。

　そこで本研究では、製品の評価手法に機械学習による近似器を提案している。しかし、機械学習による近似器作成には大量の学習データが必要となる。この学習データを作成するためにはシミュレーションを行う必要があり、大量の学習データの作成には膨大な時間を必要とし、評価時間の短縮を目指しているのに本末転倒になる。そこで、最小限の学習データで高精度な近似器を機械学習により作成することを目的とする。その目的のために、製品の持つ科学的な特性を科学的な演繹的知識を用いた簡単化したモデルを用いて大域的な変化を学習し、演繹的な知識では埋められない簡単化したモデルと現実の対象との差を機械学習の帰納的知識により補うことにより高精度で高速に評価できる近似器を最小の学習データによる短時間での学習を達成する事を試みる。