本研究は、高効率と精密制御が求められる電気駆動システムにおいて、内蔵永久磁石同期モーター（IPMSM）のローター形状を電磁パラメータを用いて分類する手法を提案しています。従来の有限要素法（FEM）によるローター形状解析は計算コストが高いため、機械学習に基づく方法（KS-Netモデル）を導入しました。研究では、9,000サンプルを用いた10分割交差検証を実施し、Cubic SVMやQuadratic SVMと比較してKS-Netが99.98%の精度で競争力を示しました。本アプローチは、高精度なローター形状予測を可能にし、モーター設計の加速や自動化されたローター識別システム、データ駆動の故障診断の開発に貢献することが期待されます。