Mistral、Emmi AIを統合し物理AIを企業向けプラットフォームに追加

従来の数値シミュレーションは、偏微分方程式を解いて流体や構造、熱の挙動を予測する。CADの準備、メッシュ化、境界条件の設定、HPCクラスタでの実行という流れは2006年も2026年もほぼ同じで、設計案1つにつき数時間から数週間の計算時間がかかる。HPC資源、ソルバーのライセンス、専門人材が実行数を制約するため、エンジニアは数千案を探索すべきところで少数の案しか検討できないと説明されている。

Mistralが定義する物理AIは、ソルバーの出力から学習し、ジオメトリや境界条件、さらには計測データから物理挙動を直接予測するモデル群である。あらゆる領域で第一原理ソルバーを置き換えるものではなく、設計ループの大半の反復を高速化し、検証やエッジケースには従来のソルバーを使う位置づけである。大規模言語モデル（LLM）をシミュレーションデータで学習させたものではなく、1部品ごとの回帰でもない。1つのモデルが設計ファミリー全体に対応する汎化を狙う。アーキテクチャの例としてAB-UPTが挙げられている。

活用領域は3つに整理されている。製品設計の加速では、数千の設計案を探索し、候補を提案するAIモデルも想定する。金型や治具などのツーリングとプロセス設計の加速では、ツーリング形状とプロセスパラメータを同時に最適化し、製造欠陥を事前に予測する。リアルタイムのデジタルツインでは、稼働中の設備のセンサーデータに対して継続的に物理予測を行い、予知保全につなげる。適用分野として航空宇宙、自動車、電子・半導体、エネルギー、産業機器が挙げられ、同じモデルクラスを再学習またはファインチューニングして領域間で転用できるとされる。

この機能は、既存のモデル、エージェント型ワークフローの構築・運用ツール、セキュアなデプロイと統合を含むMistralの企業向けプラットフォームの一部として提供される。顧客が必要とする場所にデプロイし、環境に統合し、顧客の管理下に置くことが前提である。Mistralはエンジニアが意図を定義して結果を検証し、その間をスタックが実行するという姿を掲げ、関心のある企業に問い合わせを呼びかけるとともに、AI 4 Engineeringチームの新規採用も開始している。