六社が同じ基盤で異なる材料を調べる
TOPPANホールディングス、アイシン、旭化成、ソフトバンク、AGC、DICは10月28日、量子計算と機械学習を組み合わせた材料開発の共同研究を発表した。NEDOの大型実証に採択された提案で、研究期間は2026年度から2028年度まで。電池、光機能、超電導といった用途の異なる材料を対象とし、各社が得意分野で検証を担当する。
共同研究の焦点は、候補を予測するモデルと、候補の性質を計算する方法、実物を合成して測る工程を結ぶことにある。材料の探索では、組成や製法の組み合わせが多いため、すべてを実験で試すことは難しい。既存のデータを使う予測は候補の絞り込みに役立つが、珍しい組成や新しい製法については学習に必要な測定値が少ない。物理法則に基づく計算も、扱う系が大きくなったり、精度への要求が上がったりすると、時間と計算資源を多く使う。
量子計算を使う場所を決める
分子や電子の挙動には量子力学が関係するため、量子コンピューターで計算する利点が期待されている。現状の装置には量子ビット数や誤り率の制約がある。発表が描くのは、材料開発の全工程を一台の量子計算機に移す計画ではなく、従来の計算機と組み合わせて、量子計算の寄与を検証する研究である。ソフトバンクは量子計算とスーパーコンピューターを連携させる基盤でのデータ生成や、AIによる活用技術を担う。
具体的な研究項目は、量子計算を適用する領域の見極め、利用技術の開発、シミュレーションと実験の照合の三つである。仮にある材料の電子状態をよりよく予測できても、その計算を全種類の材料に適用できるかは別の問いだ。電池材料で重視する特性と、ディスプレイ用材料の光学特性では、評価条件が違う。共通の基盤で比較する際も、個々の用途に合った精度と測定条件を持つ必要がある。
計算の改善が試作の改善につながる条件
産業上の価値を判断するには、既存のシミュレーションや機械学習だけで実施した場合と比べる必要がある。例えば、候補の上位から何件が合成可能だったか、狙った特性を満たす候補を何回の試作で見つけたか、計算結果を待つ時間が研究全体の期間にどう影響したかを記録する。同じ実測データで比較し、候補の前処理や計算結果を整える時間も含めると、工程全体での効果を捉えやすい。
良い結果だけを記録すると、次の材料への適用時に再現できる範囲を見誤る。合成に失敗した条件や、予測と実測がずれた条件も、試験に使ったモデルと測定条件を添えて残す。少数の試料で精度が上がった場合には、異なる組成や設備で同じ傾向が見られるかを別に試す。こうした記録は、量子計算を使わない方が効率的だった工程を見つけるためにも役立つ。
日本の研究現場で共有するデータ
複数社で共通の基盤を作るなら、計算技術に加え、試料の識別、条件の単位、測定方法、結果の利用許諾を合わせる必要がある。研究部門が保有する組成データには、公開可能な値と営業秘密が混在する。どこまで共同基盤で共有するか、研究の終了後に結果をどう使えるかを決めることで、実証を工場や製品開発に移す際の手戻りを減らせる。
今回の発表は採択と研究計画を示した段階で、費用や使用機種、製品化の時期、従来手法に対する達成済みの優位性は確認できない。今後は、対象材料の違いを越えて共通化できるデータや手順と、用途ごとに別設計が必要な条件がどこまで明らかになるかに注目したい。
採択段階で分かる事業の区分
NEDOの同じ大型実証には、Quemixなどが参加する電池材料を対象とした別の提案もある。事業の枠組みが共通でも、研究する材料、協力先、検証方法は案件ごとに異なる。技術の進捗を比べる際は、採択の一覧、参加企業の発表、実証結果を別の資料として扱う。計算技術について理論的な説明が示された場合にも、既存設備で再現した結果や材料を合成した結果を別に確認したい。
現場が検証できる小さな問いを作る
実証を始める研究部門は、現在の工程で試作が遅れる理由を一つ挙げ、その理由に関係する計算だけを比較できる。例えば合成の前に候補を絞る工程なら、予測精度の平均に加え、有望な試料が順位の上位に残る割合を見る。量子計算とAIの組み合わせがどの判断を助けたかを示せば、同じ方法を別の材料へ適用する条件も説明しやすい。
共同研究から量産へ進む条件
実験室の少量試作と製造設備での再現は別の工程だ。予測で有望だった試料でも、供給しやすい原料か、設備の温度や時間の制約に収まるかを確認する必要がある。研究の記録を製造部門に引き継ぐ際は、計算値だけでなく、試料を作った条件や測定のばらつきも渡せる形にする。
運営会社。RO合同会社
書籍ゼロからはじめるGitHub
Kindleで読む →
