AIと物理ベースのシミュレーションを用いたデータセンター用チラーの設定値最適化
September 7, 2026
私たちは、エージェント型AIアシスタントに、1 MWのデータセンター冷却プラントに関する3つのパラメトリックシミュレーションを与え、熱的安全限界を超えずにエネルギー使用量を削減できるチラーの設定値を見つけ出すよう依頼しました。ここでは、数値だけでは見過ごされてしまったであろう問題を、このAIアシスタントがどのように見つけ出したかをご紹介します。
パフォーマンス曲線から信頼できるモデルへ
August 21, 2026
データセンター全体をシミュレーションするには、信頼性の高いコンポーネントモデルが必要です。ベンダーからは性能曲線が提供されます。ここでは、その曲線をモデルに変換する方法をご紹介します。
OpenUSDのデジタルツインと実世界の物理法則が融合する場所
August 4, 2026
OpenUSDのアセットは、冷却液分配ユニットが何であるかを定義します。物理モデルは、それがどのように振る舞うかを定義します。これが両者を結びつける架け橋であり、AIエージェントが端から端までその過程をたどります。
Modelon ImpactにおけるAIガイダンスからエージェントベースシミュレーションへ
June 24, 2026
Modelonの機能強化されたAIアシスタントにより、エンジニアはModelon Impactプラットフォーム上で直接、モデルの分析やシミュレーションの実行を行い、エンジニアリングワークフローを効率化できるようになりました。
計算流体力学が次世代の水冷式AIデータセンターにとって不適切なツールである理由
June 23, 2026
計算流体力学（以下CFD）は、過去20年間にわたりデータセンターの熱設計において主力ツールとして機能してきました。しかし、現在稼働を開始しつつあるAIデータセンターにとっては、これは不適切なツールです。これはCFDを非難するものではありません。CFDは依然として強力で成熟した技術です。これは、冷却の問題がどれほど根本的に変化したかという結果に他なりません。
現在、冷却が求められている機器は、CFDがモデル化するために開発された空冷式のホールとは異なる挙動を示します。なぜ別の種類の工学ツールが必要なのかを理解するには、まず熱の問題から考えてみましょう。
仕様からシミュレーションへ：AIエージェントがデータセンターの冷却モデルを構築
June 10, 2026
ベンダー提供のPDFから始め、たった1回の作業セッションで、検証済みかつシミュレーション可能なModelicaモデルを完成させます。どの段階でも手動でのコーディングは一切不要です。これが、本記事で紹介したい機能であり、これは将来の実装予定ではなく、すでに実現されている機能です。
AIエンジニアリングにおけるトークンエコノミクス（Token Economics）
June 5, 2026
AIエンジニアリングにおけるコストは、単なる推論精度ではなく「トークン経済」として再定義されつつあります。本記事では、知識獲得コストがどこに発生するのかを3層の知識構造（ドメイン・モデル・実行）として整理し、システムシミュレーションやModelica/FMIベースのスタックがトークン消費を桁単位で削減する仕組みを解説します。
システム規模でのAI向け液体冷却
May 7, 2026
AIワークロードの急増により、データセンターの電力密度と冷却要件はかつてない水準へ達しています。本記事では、Data Center Worldでの講演内容をもとに、液体冷却を単なる設備ではなくシステム全体の課題として捉え、設計・調達・運用の各段階で物理ベースのシステムシミュレーションが果たす役割を解説します。
