NEC・富士通・日立に見る「マテリアルズ・インフォマティクス」最前線
![NEC公式ページより](https://image.news.livedoor.com/newsimage/stf/f/d/fdbb8_1639_c02bec0c_f3da4739-m.jpg)
実験設計にAIがヒント
MIを活用した材料開発では、実験データを統合するデータベースやAI技術、データ解析技術が求められている。電機各社にとっては顧客の研究開発に関わる情報基盤を刷新するチャンスだ。電機各社は社内に半導体や電子部品の材料研究者と、情報基盤やデータ科学の技術者を抱える。まずは自社研究所で材料開発にMIを活用し、そのノウハウと情報技術をセットで売り込もうとしている。
ディープラーニング(深層学習)などの手法は大量のデータを学習させると高い精度で正解する。ただ中身のモデルが複雑なため、なぜ正解するのか解析が難しかった。異種混合学習では学習させたデータのうち、どの因子が効いているか解読できる。「AIのヒントをもとに次の実験を設計できる」(石田主任研究員)という。
そして実験には網羅的合成法を採用した。1枚の基板の上に複数の元素の濃度勾配を交差させた薄膜を作る。すると基板上に各元素の比率が徐々に変化する膜ができ、組み合わせを網羅的に調べられる。網羅的合成法で大量の高品質データ集めてAIに学習させる。これを繰り返して材料を絞り込む。
専門チームが最適組み合わせ
富士通研究所はデバイス&マテリアル研究所に専門チームを設置している。電池の正極材や磁石などにMIを活用する。材料の専門知識とビッグデータの機械学習を組み合わせられる点が強みだ。推定理由や根拠を説明できるため、材料研究者もAIを活用しやすい。
また第一原理計算などのシミュレーションでデータを補填してAIに学習させている。第一原理計算は量子力学に基づいて計算するため精度を求めると計算量が膨大になる課題があった。
富士通にとってスパコンは十八番だ。宮島豊生MIプロジェクトディレクターは「必要に応じて計算資源を拡大する」と力を込める。各社研究所での実績を基に材料開発の支援事業を目指す。ただ正攻法となる方法が確立するには、まだ時間がかかりそうだ。
一足先に受託支援
日立製作所は一足先に受託支援事業を始めた。まずはデータ分析代行としてサービス提供する。日立公共システム事業部の森田秀和主任技師は「1年かけて顧客企業と開発してきた。AIに学習させるデータを作り込むところから始める」と説明する。
AI技術は、深層学習や遺伝アルゴリズムなどを、単純にデータに合わせて学習手法を選ぶだけでは成果は望めない。MIの目標設定からデータの成形、結果の読解など顧客と二人三脚で進めてきた。
そのため材料技術者と情報技術者の混成チームで事業に当たる。150億データを一覧できる可視化ツールなど、解析を支える基盤技術は事業の前提でしかない。
「顧客の研究データを預かるため、データ量やAIを誇るよりも信頼されることが何よりも重要。MIは顧客とともにあるビジネス」(森田主任技師)という。