「開発者が解釈可能なマテリアルズ・インフォマティクス」で特性向上の主要因を抽出する手法を開発

2019-10-312021-08-14

2019-10-31 日本電気株式会社,東北大学,科学技術振興機構

日本電気株式会社（ＮＥＣ）と東北大学は、メリーランド大学と共同で、これまでの研究成果である実験データ生成の省力化技術と、材料特性に対する高精度での予測とその解釈性を与える技術に加え、今回新たに材料の特性向上に関わる無数の要因から主要因を効率良く抽出する手法を開発しました。さらに、この手法を用いてスピン熱電材料^注１）の熱電性能向上の実証に成功しました。

これまで、３者はロボティクス技術による自動実験の仕組みと、解釈可能な機械学習（ＥｘｐｌａｉｎａｂｌｅＡＩ）を組み合わせた「開発者が解釈可能なマテリアルズ・インフォマティクス」を開発してきました。しかし、自動実験で得られたデータが本来持つ不完全性を機械学習側で考慮する仕組みがなかったため、材料開発の効率を上げられない、という課題がありました。

今回の手法を適用したシステムを用いることで、物理・化学などの専門的な知見を持った開発者がＡＩの予測結果の背後にある支配的な物理現象や因果関係をひもとくヒントを得られます。これにより、材料開発、物性解析における新たな分野へマテリアルズ・インフォマティクスが適用でき、新材料の発見へとつながる可能性が高まります。

今後３者は、これらのマテリアルズ・インフォマティクス技術を通じて材料・素材開発メーカーなどとの連携を進め、今までになかった高機能、高特性な材料・素材の開発事業への貢献を目指します。

なお本研究成果は、２０１９年１０月３０日に英国の科学雑誌「ＮａｔｕｒｅＰａｒｔｎｅｒＪｏｕｒｎａｌＣｏｍｐｕｔａｔｉｏｎａｌＭａｔｅｒｉａｌｓ」にオンライン掲載されました。

本研究は、科学技術振興機構（ＪＳＴ）戦略的創造研究推進事業さきがけ研究領域「理論・実験・計算科学とデータ科学が連携・融合した先進的マテリアルズインフォマティクスのための基盤技術の構築」（研究総括：常行真司（東京大学））における研究課題「材料開発に特化した高精度ホワイトボックス型機械学習手法の開発と、そのスピン熱電材料開発への応用」（研究者：岩崎悠真（ＮＥＣ））、およびＥＲＡＴＯ齊藤スピン量子整流プロジェクト（研究総括：齊藤英治（東京大学／東北大学））の一環で行われました。

＜背景＞

近年、自然科学領域でも、機械学習を用いて材料開発を行うマテリアルズ・インフォマティクス（ＭＩ：ＭａｔｅｒｉａｌｓＩｎｆｏｒｍａｔｉｃｓ）や、物理探求を行うフィジクス・インフォマティクス（ＰＩ：ＰｈｙｓｉｃｓＩｎｆｏｒｍａｔｉｃｓ）が注目されており、以下の研究開発に取り組んできました^※）。

１）ロボティクス技術を駆使して大量の材料作製とその特性データ取得を自動で行うコンビナトリアル実験技術

２）１）で得られたデータを基に自動で材料シミュレーションを実行し大量のデータを蓄積するハイスループット計算技術

３）解釈可能な機械学習（異種混合学習^注２））を組み合わせたシステムを活用し、スピン熱電材料の特性向上に関係する物性値などの要因探索

しかし、従来のシステムでは、１）の実験データに含まれている不完全性により、３）で判明する多くの要因のうち、どれが主要因なのかを絞り込むことが難しいという課題がありました。例えば、スピン熱電材料の特性向上に際しては、数十～百個程度の要因が関係しているとの示唆が得られたものの、特性改善に向けた材料探索を、数多くの要因に対して順に実施する必要があったため、材料開発の効率を上げられずにいました。

※）２０１８年２月９日プレスリリース「ＮＥＣと東北大ＡＩＭＲ、ＡＩによる新材料開発に成功」