マツダは次世代の「SKYACTIV」エンジンを制御するECU（電子制御ユニット）のキャリブレーション（パラメーターの最適化）工程に、英Secondmind（セカンドマインド）の機械学習技術を導入する。同工程の開発効率を従来比2倍に高め、電動化の工数を確保する。
マツダはシミュレーション技術を使って開発を効率化するモデルベース開発（MBD）に、セカンドマインドの機械学習技術を組み合わせることで、開発のさらなる効率化を狙う。次世代エンジンの量産時期は未定だが、今回マツダはセカンドマインドと複数年のライセンス契約を結び、機械学習による最適化技術導入の取り組みを本格化した。
一般にエンジンのような複雑なシステムでは、さまざまな制御パラメーターを最適化するキャリブレーション工程に多大な時間がかかる。自動車業界では一部のパラメーターを機械学習で最適化する試みが始まっているものの、マツダのように「エンジンを丸ごと機械学習でキャリブレーションする試みは業界初」（セカンドマインド日本法人代表の井上友宏氏）という。また、セカンドマインドの機械学習技術が自動車のキャリブレーション工程に活用されるのも、今回が初めてとなる。
エンジンのキャリブレーション工程では、制御パラメーターを少しずつ変えながら、さまざまなエンジン特性を測定し、最適点を探していく。これに対し、セカンドマインドの機械学習技術「アクティブラーニング」では、まず初期の測定データを基に、信頼度の低い（粗い）予測モデルを作る。
次に、予測の信頼度を高めるために、どのような条件で測定すべきか、レコメンド（推奨）する。技術者がそれを了承し、新たな測定データが得られると、機械学習はモデルを改良して予測の信頼度を高める。このサイクルを繰り返すことで、効率的にキャリブレーションする。「機械学習を使うことで測定点の数を従来比80％減、キャリブレーションの工期を同50％減にできる」（同氏）という。
セカンドマインドの機械学習技術は、クラウドベースのSaaS（Software as a Service）製品として提供され、さまざまなMBDツールと連携できる。このため、既存のMBDフローを大きく変えることなく、効率化が可能となる。また、同社の機械学習技術は汎用性が高く、エンジン制御以外にも、ハイブリッド車（HEV）や電気自動車（EV）のパワートレーン制御などに応用できるという。
