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

　材料開発にビッグデータ解析や人工知能（ＡＩ）技術を活用する「マテリアルズ・インフォマティクス」（ＭＩ）の競争は、研究所からビジネスの場へ舞台を移しつつある。日立製作所と富士通、ＮＥＣの３社は研究所で電池や電熱材料の開発にＭＩを活用。社内で方法論を確立して、ノウハウを外販する材料開発支援事業を目指す。

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。

　ＮＥＣは熱電変換素子の開発にＭＩを活用した。新原理であるスピンゼーベック効果で温度差を電気エネルギーに換える。ＮＥＣＩｏＴデバイス研究所の石田真彦主任研究員は「材料としては従来の熱電素子に追いついてきた。ＭＩは強力な研究手法」と評価する。ＮＥＣはＡＩと網羅的合成法に強みがある。ＮＥＣのＡＩ技術「異種混合学習」は学習結果がブラックボックスにならない。

　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。