Fundamental Study on Inferring Aerodynamic Characteristics by Large Language Models Using Latent Representations of 3D Shapes
3次元形状の潜在表現を用いた大規模言語モデルによる空力特性推論に関する基礎研究
- Delivery
- Available on this site
- Format
- Price
- Non-members (tax incl.)：￥1,100 Members (tax incl.)：￥880
- Publication code
- 20266183
- Paper/Info type
- Proceedings (Autumn)
No.130-26
- Pages
- 1-2(Total 2 p)
- Date of publication
- Oct 2026
- Publisher
- JSAE
- Language
- Japanese
- Event
- 2026 JSAE Annual Congress (Autumn)
Detailed Information
| Author(J) | 1) 伊藤 悟, 2) 西口 浩司, 3) 仲谷 幸一郎, 4) 尾嵜 悠利, 5) 金森 敬宗, 6) 則竹 真吾, 7) 田中 博 |
|---|---|
| Author(E) | 1) Satoru Ito, 2) Koji Nishiguchi, 3) Koichiro Nakaya, 4) Yuuri Ozaki, 5) Hiromune Kanamori, 6) Shingo Noritake, 7) Hiroshi Tanaka |
| Affiliation(J) | 1) 名古屋大学大学院, 2) 理化学研究所, 3) 名古屋大学大学院, 4) 名古屋大学大学院, 5) トヨタシステムズ, 6) トヨタシステムズ, 7) トヨタシステムズ |
| Affiliation(E) | 1) Nagoya University, 2) RIKEN, 3) Nagoya University, 4) Nagoya University, 5) Toyota Systems, 6) Toyota Systems, 7) Toyota Systems |
| Abstract(J) | LLMの自動車の設計支援への応用のためには，3次元空間の学習が不可欠である．本稿はその初期的研究として3次元形状を潜在ベクトルに圧縮して学習させ，抗力係数を推論する手法を提案する．本研究では潜在ベクトルの次元数が推論精度に与える影響を検証し，次元数の増加による推論精度の向上を確認した． Translation |
| Abstract(E) | To integrate Large Language Models (LLMs) into the automotive aerodynamic design process, it is essential to accurately capture complex, non-linear geometric features. This study proposes an approach that compresses 3D car shapes into latent vectors using DeepSDF and directly inputs them into an LLM to predict drag coefficients (CD). Specifically, we investigate the effect of expanding the dimensionality of the latent vectors on the inference accuracy. Results using the DrivAerNet++ dataset demonstrate that increasing the dimensionality enhances the LLM's physical inference capability, significantly reducing the prediction error without compromising geometric reconstruction accuracy. |
