AI研究、次に稼げる分野は材料!?

役割問われる学術界、企業が事業化進める

 産業界がビッグデータ解析や人工知能(AI)技術を材料開発へ用いた「マテリアルズ・インフォマティクス」(MI)の応用を本格化している。これまで大学などの研究者が解析手法を開発し、データベースなどの研究環境を整えてきたが、有効性を認めた企業でも事業化が進む。産業競争力に直結するMIの活用に向け、今後は学術界の役割が問われると同時に、産業界も事業化戦略を問われる。

 囲碁でのAIの躍進は華々しい。米グーグル系の英ディープマインドは過去の棋譜データをAI「アルファ碁」に学習させた。そしてAI同士で対戦を繰り返して腕を磨き、世界のトップ棋士を次々と破った。

 そして棋譜データが不要な独学する「アルファ碁ゼロ」を開発。自力で新しい“定石”を作ることに成功した。実は新材料開発の世界でもAIが“定石”を見いだし、新たな設計指針になると期待されている。

 物質の結晶構造を囲碁の盤面に例えるとわかりやすい。囲碁は19×19路の計361の格子点上に黒と白の石を交互に打つ。MIでは、例えば結晶の7×7×7の343格子に約60種の実用元素や空隙を配置し、物性から材料機能、エネルギー安定性から製造可能性などを推定する。

 生命科学や気象、社会学など、AI技術や情報科学を取り入れる研究領域は多くある。中でも材料研究はデータの質が高く、目標となる性能や原理が明確だ。つまりAIに与えるデータが良質で、学習の指針も立てやすい。

 物質・材料研究機構の橋本和仁理事長は「MIが完成すれば従来の研究手法を覆す破壊的なツールになりえる。日本はこの開発競争に負けられない」と強調する。データを基にコンピューター上で物質の性能を推定すれば、大幅に開発期間を短縮できる。

 MIは産業競争力に直結する。旭化成の中尾正文副社長は「MIを始めてすぐに、これは有用だとわかった。年単位でかかっていた開発期間が数カ月になった。化学産業を装置産業からサービス産業に変えるポテンシャルがある」と期待する。重厚長大型の素材産業が、ファインケミカルのような研究開発と多品種少量生産を組み合わせたサービス産業に変わるかもしれない。

 ただ材料の性能は結晶構造だけでは決まらない。多くの材料は複数の結晶構造が入り交じる多結晶体で、結晶粒と結晶粒の界面などの組織構造が材料の機能に大きく影響する。

 囲碁の碁石を盤面に置くように元素を入れ替えるだけでは、材料の極一部だけしか検討できない。物材機構統合型材料開発・情報基盤部門の出村雅彦副部門長は「たった56グラムの鉄をシミュレーションする計算資源を、人類はまだ獲得していない」と指摘する。

 材料開発のすべてをAIに任せることはできない。どんなデータを集めてAIに学習させ、残りを研究者が補うか、試行錯誤が続いている。物材機構の伊藤聡情報統合型物質・材料研究拠点長は「米グーグルも材料科学をAIのターゲットに据えているが、材料の専門家でなければAIの解析結果を生かせない」と指摘する。
                      

費用対効果計れず、必要データ数「正解ない」


 物材機構はMI研究をけん引してきた。27万3830物質の結晶構造データ、29万8000件の特性データを収録したデータベースを整え、物材機構の連携企業には第一原理計算などの解析ツールを含めて研究環境を提供している。また鍛造や溶接などの製造プロセスと材料組織、材料特性データから、材料の疲労寿命や脆化などの性能を予測する統合システムを開発。製造装置のセンサーデータをMIに活用する仕組みを整えた。

 企業にとってはMIを活用する際に、自社保有データに物材機構のデータを加えて解析範囲を広げられる。最も複雑な製造プロセスのデータも扱う仕組みも用意された。

 旭化成の中尾副社長は「社内技術者の業績評価を変えなければならないかもしれない。オン・ザ・ジョブ・トレーニング(OJT)からデータ科学的な技能継承。ノウハウなどの構造化できないデータの扱いも解決しなければならない。いずれにせよ生産技術やプロセス技術の強化は必須。チャンスも課題もある」と展望する。

 問題はMI用にデータを集める費用対効果を計れない点だ。材料学者の考える物理現象の複雑さと、情報科学者がデータを読み解く複雑さが対応していない。つまり物理現象に対して学習データがどれだけ必要かわからない状態にある。正攻法は確立しておらず、出村副部門長は「正解がない」と説明する。

 反対に費用対効果が計れた物理現象から事業の採算性を計算できるようになる。解けた問題からビジネスになるため、企業は手の内を明かさない。産業技術総合研究所人工知能研究センターの麻生英樹副研究センター長は「(情報科学者にとって)問題を解くのに必要なデータ量を求められたら研究は終わったも同然」と指摘する。

 MIは学から産への移行期を迎えつつある。研究環境を整えたが確立した正攻法はまだない。一方、民間ではMIの事業化が進んでいる。

【用語解説/マテリアルズ・インフォマティクス】
 材料の構造や物性などのデータを基に、ITやビッグデータ、AIなどを活用して物理法則に基づいて新材料の分子構造や組成、特性を求める。研究者の経験に依存した従来の手法に比べて大幅に開発期間を短くできる。


                

物材機構・橋本和仁理事長に聞く


 ―産業界が本気になると、あっという間に追い抜かれるのが学術界の常でした。
 「AI技術がこの数年で飛躍し、材料の研究者も企業も研究のツールとして当然のように使うようになった。我々の強みは材料研究者が集めた信頼性の高いデータを大量にもっていることだ。またAIの解析結果は材料の専門家でないと解釈できない。材料研究の専門性と圧倒的なデータが武器になる」

 ―国研は企業が連携するハブとして期待されています。
 「新しい知見を見いだすには自社にないデータが必要だ。組織間のデータ共有が有効だが、ある大手電機ではグループ会社にもデータは提供できないといわれた。企業秘密であり、競争力の源泉なのだから仕方ない。このジレンマを解く必要がある。我々はオープンなコンソーシアムとメンバーだけで情報共有する業界特化型コンソーシアム、完全機密の共同研究と3種の連携モデルを用意した。要望に応じて柔軟に対応する」

 ―今後の課題は。
 「我々は材料研究者が主体で情報科学の研究者が少ない。そこで国立情報学研究所と組み情報基盤を作っている。ただ材料がわかる情報研究者自体が少ない。人事戦略としてMIを強化し、優秀な人材を引き抜いている。IT企業と組むことも視野に入れている」
(聞き手ー小寺貴之)

日刊工業新聞2017年12月13日

小寺 貴之

小寺 貴之
01月01日
この記事のファシリテーター

囲碁や将棋などの盤上のゲームAIの研究が一段落し、次は稼げる分野への応用を考えると候補に上がるのが医療や材料です。どちらも専門家がしっかりしていて市場規模も大きいです。データも大量にあります。材料の方がわかっている原理原則が多く、プライバシーなど、データを集める際の制約は少ないです。投資さえすれば集まる類いのデータはパワーゲームに陥りがちです。ただ実際に材料で稼ぐには物質系全体の網羅的なデータより、電池、熱電素子、磁石などそれぞれの製品や部材に特化したデータの方が有効です。そのため最初は製品ごとや部材ごとのデータプラットフォームを構築することになり、その競争は学術界よりも製品を持っている産業界の方が強いです。いずれ部材ごとの局地戦では学術界は産業界にかなわなくなると思います。異なる材料系のデータを統合して解析し、思いもよらない新発見ができることを示さないと、複数の企業をつなぐハブのポジションを取れなくなると思います。

この記事にコメントする

真下 成彦
真下 成彦
01月02日
古参の材料屋としては、ワクワクと不安と 、出来るんかいな という評論家的な意見が混在し、まずは正しく現状把握したいところです。記事の題からして「!?」なので、どこやって 現状把握したらよいか。。。
  

ファシリテーター紹介

記者・ファシリテーターへのメッセージ

この記事に関するご意見、ご感想
情報などをお寄せください。