機械工学部は英国サウサンプトン大学のジェンナーロ・スカルセリ教授を学術講演に招待

分野を超えた統合を促進し、教師と学生の国際的な学術的視野を広げ、大学院生の革新的な科学研究能力を高めるため、10月29日、英国サウサンプトン大学の著名な学者であるジェンナーロ・スカルセリ教授が機械電気工学科の趙燕林教師に招待され、機械工学部を訪問し、詳細な講演を行った。 「航空宇宙構造の構造健全性モニタリングのための機械学習」というタイトルの学術レポート。会議には、同大学副学部長の鄭立芳教授、機械電気工学部部長の陳哲涵教授、機械電気工学部党支部書記の周暁民教授のほか、各種研究チームの若手教師や修士課程、博士課程の学生の代表が出席した。

講演の中で、スカルセリ教授は、航空宇宙構造健全性モニタリング（SHM）の基本理論から始めて、航空機の安全な運航を確保し、構造物の耐用年数を延ばすというこの技術の中核となる価値を体系的に説明しました。同氏は、航空宇宙の構造健全性モニタリング技術と機械学習手法の開発の歴史を振り返り、航空宇宙機器が高性能、軽量、長寿命を目指して進化するにつれ、従来の物理モデルやデータ駆動型のモニタリング手法では、大量のデータ、複雑な構造的特徴、マルチ作業環境の処理に限界があると指摘しました。同氏は、機械学習技術と従来の監視手法の統合は、この分野の発展において避けられない傾向であると強調した。

コアコンテンツ共有セッションで、スカルセリ教授は、構造健全性モニタリングにおける物理学主導の機械学習手法の革新的な応用を深く分析しました。彼は、詳細な事例とデータを通じて、監視識別精度の向上、コンピューティング効率の最適化、および複雑なエンジニアリングの実際的な問題の解決におけるこの方法の独自の利点を実証しました。また、損傷検出、正確な位置決め、定量的評価、構造余寿命予測などの主要な側面における機械学習の最新の研究の進歩を体系的に紹介し、チームの革新的な結果を共有し、小サンプルモデルのトレーニング、深層学習モデルの解釈可能性の向上、環境要因影響メカニズム分析などの最先端のテーマに関する研究の方向性を提案し、出席した教師や学生に貴重なアイデアを提供しました。

対話型セッションでは、現場の教師と学生が、レポートの中心的な内容や実際の工学応用の課題について積極的に質問しました。スカルセリ教授は一つ一つ専門的かつ詳細な回答をし、そのユニークな洞察に会場からは拍手が起こりました。講演終了後は参加者全員で集合写真を撮り、本国際学術交流会は無事終了いたしました。

この講義は、教師と学生に航空宇宙構造健全性モニタリング分野の最先端の技術と開発について包括的かつ深い理解を与えただけでなく、国際的な学術交流と協力の架け橋を築き、インテリジェントな運用と保守および高度な製造の分野における大学の科学研究とイノベーションに重要な理論的参考文献と方法論的指針を提供しました。機械工学部は今後も国際的な学術交流を推進し、質の高い学問の発展と革新的人材の育成を推進していきます。