日本ゼオン
複数のＡＩ活用した機能予測技術を開発

日本ゼオン（田中公章社長）は、新エネルギー・産業技術総合開発機構（ＮＥＤＯ）の「超先端材料超高速開発基盤技術プロジェクト」（２０１６～２２年度）において、産業技術総合研究所（石村和彦理事長、以下、産総研）、先端素材高速開発技術研究組合（北弘志代表清算人、以下、ＡＤＭＡＴ）とともに、複数の人工知能（ＡＩ）を用いることで複雑な構造を持つ材料のデータを処理し、高速・高精度にさまざまな機能を予測する技術を開発した。

今回開発したマルチモーダルＡＩ技術は人間が五感という異なる感覚器によって外部から入ってくる複数の情報を処理、高度な判断を行うように複数のデータを組み合わせて入力と出力の複雑な関係を結び付け、分類や予測したい問題に適用する。母材・添加剤・充てん剤といったさまざまな配合を持つ材料（複雑材料系）に対して、深層学習（ディープラーニング）を適用する新たな技術。画像や分光スペクトルといった異なる複数のデータを計測・統合することによって、従来のＡＩ技術を適用できなかった複雑材料系においてもその特性予測に国内外で初めて成功した。

現在、材料開発のさらなる高度化・高速化に向け、機械学習やディープラーニングなどのＡＩ技術を活用したデータ駆動型の材料開発が活発化。これまでは、単純な化学構造を持つ低分子材料や無機材料に対して、元素や化学結合を元にしたＡＩ技術によって材料が持つ機能が予測されてきたが、多くの材料系は多数の成分を含む複雑材料系であることから、比較的単純な元素や化学結合だけでは機能を予測することが困難であった。物理・化学構造が複雑に変化し、求められる機能も多元的になることから、材料の特長をとらえた画像などといった単独の計測データを用いた従来のＡＩ技術では、予測できる特徴が限定的で狭い範囲でしか適用できないという課題があった。

マルチモーダルＡＩ技術では母材５種、添加剤２種、充てん剤３種の組成によるケースにおいては、１日で約１０万条件分の複数の計測データの生成ならびに特性の予測結果の出力が可能になる。開発したＡＩ技術を用いることで、実際に実験に要する時間と比較して２万分の１以下の時間での特性予測が可能となり、膨大な配合条件などから選定・成形加工・評価を行う材料開発において大幅な期間短縮に加え、高度化・高速化につながる。

今回開発した技術では、複数の異なる計測データへ敵対的生成ネットワーク（ＧＡＮ=Ｇｅｎｅｒａｔｉｖｅ　Ａｄｖｅｒｓａｒｉａｌ　Ｎｅｔｗｏｒｋｓ）を適用。ＡＩ技術の一種で、ニューラルネットワークを用いて、複雑なデータが持つ特長を学習し、疑似データとして画像などのデータを生成することができる。今回はＧＡＮを拡張させ、対応する配合における材料の物理・化学構造を反映した画像や分光スペクトルといった複数の計測データの生成を実現した。