米乐m6官方网站 [会长石村和彦]（以下简称“AIST”） 安全科学研究部 [研究主任绪方雄二] 学会及 LCA 研究小组 河尻幸太郎 首席研究员 健康与医学工程研究部 [研究主任 辰吉朗] 人工器官研究小组 Ryo Kosaka 首席研究员结合多种人工智能 (AI) 技术，利用多种人工智能 (AI) 技术来优化人工心脏的设计来自数值模拟的少量分析数据。
传统实验设计的框架内神经网络和多用途遗传算法人工心脏的四种输入条件有7200种组合(槽数：3-18，16路，槽角：10-180度，18路，槽入口深度：005-025mm，5路，槽出口深度：005-025mm，5路)，并且很难对所有这些组合进行实验或数值模拟。基于这次使用的实验设计方法，并基于大约60次分析的结果，我们开发了体外流体动力浮动离心血泵。动压轴承的产生力与红细胞损伤系数进行了优化。该方法允许基于少量数据轻松优化具有大量输入条件和目标变量的复杂系统，预计将有助于提高包括产品设计和制造工艺在内的广泛领域的研发效率。
该方法的详细信息已于 2020 年 5 月 23 日在日本质量管理学会第 122 届研究会议上公布。
使用该实验设计方法对人工心脏（动态浮动离心血泵）进行设计优化
（根据日本质量管理学会第 122 期研究报告摘要第 98 页图 2 和第 99 页图 3 修改）
根据厚生劳动省2018年度生命统计月报，心脏病是现代日本仅次于癌症的三大死因之一，每年死亡人数约为20万人，占每年约135万人死亡总数的15%。其中，心力衰竭造成的死亡人数最多，而心脏移植是治疗常规方法难以治愈的严重心力衰竭的有效方法。但由于日本供体严重短缺，目前心脏移植的平均等待时间约为1180天。因此，在心脏移植之前，需要使用植入式人工心脏辅助装置来辅助心脏功能。
AIST 是内部的叶轮一直在开发一种体外流体动力悬浮离心血泵，使用流体动力轴承，可在血液中无接触地旋转和悬浮。该血泵可以辅助从手术时到植入式辅助人工心脏应用期间的中长期血液循环。动压轴承的设计中有很多设计参数（输入），例如动压槽数、槽角、槽深等。此外，血泵的动压轴承需要同时满足允许叶轮浮动的高轴承刚性和防止红细胞破坏的血液相容性。因此，产品所需的性能包括多个目标变量，例如流体动压轴承产生的力的增加和红细胞破坏的减少。由于通过反复试验来优化此类多输入、多用途系统存在限制，因此需要一种更有效的开发方法。
另一方面，为了轻松优化此类多输入多目标系统，我们开发了一种将多目标遗传算法与实验设计框架相结合的多输入多目标优化方法。这次，我们将神经网络分析方法融入到这种优化方法中，并尝试将其应用到人工心脏的设计优化中。
此项研究与开发得到了日本学术振兴会科学研究补助金 JP18K12049 的部分支持。
这次使用的新实验设计方法包括创建实验计划 (Plan)、进行实验（本研究中的数值模拟）(Do)、使用神经网络 (NN) 模型用输入变量逼近目标变量 (Check)，以及创建多目标遗传算法。使用算法（MOGA）对输入变量进行多目标优化（Action）的PDCA循环，可以轻松地以最少的实验次数（在本研究中为数值模拟）搜索复杂的多输入、多目标系统的最优解（图1）。通过使用 NN 进行检查多重共线性问题消除了，不需要检查输入变量之间的相关性，并且可以建模比传统简单线性回归方程更复杂的输入输出关系。此外，通过使用MOGA for Action，可以同时优化具有权衡关系的多个目标变量。这次我们要聊的是AIZOTH目前正在开发的人工智能综合分析平台（Multi-Sigma(https://multi-sigmaaizothcom/)) 用于分析 NN 和 MOGA。
此外，数值模拟的数据被用作实验数据。使用 3D CAD 软件创建流体动压轴承的 3D 模型，并使用热流体分析软件计算流体动压轴承产生的使叶轮悬浮的力。红细胞的脆弱性计算(DI值)。
利用这种实验设计方法，我们寻找一种能够同时增加流体动压轴承产生的力并减少红细胞破坏的设计。此前，根据经验，流体动压轴承的凹槽数量约为8至12个，但在这次探索的设计中，凹槽数量小至约5个，这与常规设计准则不同。此外，此前人们认为，由于存在权衡关系，增加流体动力轴承产生的力和减少红细胞破坏不能同时实现，但这些结果表明，两者之间不存在权衡关系，并且可以同时实现两者。虽然这次获得的结果基于数值模拟，未来需要使用实际设备进行验证，但它们表明有可能找到通过传统经验试错无法获得的新解决方案。
图1 本次采用的新实验设计方法
（根据日本质量管理学会第 122 期研究报告摘要第 98 页的图 1 修改）
有人提出，这次使用的优化方法可能有效地利用少量实验数据轻松优化多输入多目标复杂系统，因此有望应用于广泛领域的多输入多目标系统的研究和开发，例如优化产品设计参数和制造工艺制造条件。
将来，我们将使用实际原型动压轴承通过实验来验证这些结果。此外，我们希望将本次使用的优化方法应用到各种具有较大社会影响的案例中，以解决社会问题并验证其有效性。
国立产业技术综合研究所
安全科学研究分会及LCA研究组
首席研究员 Kotaro Kawajiri 电子邮件：kotaro-kawajiri*aistgojp（发送前请将 * 更改为 @。）
健康医学工程研究部人工器官研究组
首席研究员 Ryo Kosaka 电子邮件：ryokosaka*aistgojp（发送前请将 * 更改为 @。）