全3033文字
PR

機械学習や人工知能(AI)の活用が急速に広がり、「材料開発の予測が立てやすくなった」─。「日経クロステック ラーニング」で「材料開発者が身に付けておくべきマテリアルズインフォマティクス」の講師を務める、JX金属技術本部技術戦略部 主席技師の桃井元氏はこう語る。今後の材料開発について桃井氏に聞いた。(聞き手は高市清治、コヤマ タカヒロ=フリーランスライター)

「マテリアルズ・インフォマティクス」(MI)とは何ですか。

桃井 元 氏
桃井 元 氏
JX金属 技術本部技術戦略部 主席技師

桃井氏:人工知能(AI)や機械学習などの情報科学を適用して、開発の効率化を図ることを意味します。

 新規の材料は従来、主に実験や数理シミュレーション用いて開発していました。しかし、材料を構成する原料の組み合わせの数は膨大で、その中から新しい素材を見つけなければなりません。この実験やシミュレーションには相当な費用と時間がかかります。全く新しい材料を見つけるのは困難で、既存の材料を改良していく手法が一般的でした。

 そこにAIなどを適用して効率化し、より早く、低コストで材料開発を進めようというのがMIです。効率化だけでなく、革新的な材料を開発できる可能性も注目されています。

具体的には何をするのでしょうか。

桃井氏:有機材料や無機材料、そして複合材料の物性値や性能を予測するときにAIや機械学習などの情報科学を使うのが特徴です。例えば、当社(JX金属)が扱っている銅合金には、それぞれ引っ張り強度や導電率といった特性がありますが、狙った特性を出すためには、材料の組成やプロセス条件の設計が欠かせません。その予想にAIや機械学習などの力を使うと有効なのです。

 電子機器のコネクターなどに使われるコルソン合金という銅合金を例に挙げましょう。コルソン合金は、ニッケル(Ni)やシリコン(Si)、コバルト(Co)などをそれぞれ数%含有しています。各材料の比率を変えながら、加工工程や熱処理によって合金の組織を変え、強度が高くて導電率も高い製品の特性を目指します。

 通常は実験や分析データを基に、さらに1つひとつシミュレーションで検証しながら、相関性の強い因子を探し、最適条件を予測します。研究者が実際に何千、何万という材料の組み合わせのバリエーションごとに実験を実施していたら膨大な時間とコストを要します。AIやシミュレーションソフトを活用すれば、この時間とコストを大幅に圧縮できます。これがMIを採用する意味です。

 MIの進め方には、幾つかのパターンがあります。1つ目は従来の手法と同様、実験データを基に、強度や導電率などの特性値を機械学習で予測するシンプルな手法です。同じ実験の繰り返しや複雑な数値解析を機械学習で補います。

 機械学習によって推定したデータを使えれば、第2段階のシミュレーションに進めます。しかし、ソフトウエアによるシミュレーションは、ソフトウエア自体も高価ですし、利用するコンピューターなどハードウエアが高性能でなければ時間がかかります。高性能なハードウエアはこれもまた高コストになります。

 そこでこのシミュレーションも機械学習で高速化するというのが2つ目の手法です。