量子アニーリングとAIで材料の新しい組成を発見 工場での製造工程最適化や生物分野などへの活用拡大に期待

量子アニーリングとAIで材料の新しい組成を発見工場での製造工程最適化や生物分野などへの活用拡大に期待

2024年1月30日 11:00 | プレスリリース?研究成果

【本学研究者情报】

〇大学院情报科学研究科　教授　大関　真之

【発表のポイント】

化学材料の组成探索において、量子力学の现象を利用した最适化手法である量子アニーリング⁽^注¹⁾と人工知能（础滨）の机械学习を活用することで、これまで未探索であった目标特性値を持つ新规化学材料の组成を発见しました。
量子アニーリング技术の従来の最适化という目的に応じた活用だけでなく、量子力学に基づく探索という性质を最大限利用するという新しい活路での応用例に取り组み、その実証研究に成功しました。
本研究结果は、材料组成のみならず大きく化学分野や生物分野など活用の幅を大きく広げる进歩であり、量子アニーリング及び関连技术の実社会课题への応用、适用を后押しする结果です。

【概要】

これまで材料の新规组成探索では、様々な组み合わせを探索し提案された候补组成について、スーパーコンピュータによるシミュレーションを行い、その组成の物性评価を実施する必要があります。そのため膨大な时间がかかる探索を効率よく実施することが求められています。

東北大学大学院情報科学研究科大関教授らの研究グループは、韓国電機大手LG Electronicsグループの日本での研究法人LG Japan Lab株式会社（横浜市?呉彰浩社長）と、化学材料の組成探索を量子アニーリングとベイズ最適化^{(注 2)}と呼ばれる机械学习技术を连携し、新规组成探索というテーマにおいて共同研究を実施してきました。その结果、これまで未探索であった目标特性値を持つ新规化学材料の组成を発见しました。

本研究にて検証を行った手法は、化学材料の组成探索に限らず、创薬分野での候补物质の探索や、都市の人流シミュレーションや製造工程におけるパフォーマンスの评価など高度で复雑な现象における新しい解决手段の探索など、広く产业分野の実社会课题への适用が期待されます。

本研究成果は、2023年12月12日にコンピュータ分野の専門誌 Frontiers in Computer Scienceに掲載されました。

図1．縦軸が得られた頻度、横軸が物性値です。赤い点線は、望ましいターゲット材料特性値として定義したカットオフ値 (0.880) を示し、ここに相当するデータが多く生成されることを目指しています。最下部のrandom samplingの結果と比べ、４つの図で示す提案手法については初期データセットからカットオフ値に近いものを多く生成している様子が読み取れます。

【用语解説】

注1. 量子アニーリング
極低温において、原子や分子などの非常に小さいスケールでは、結果が確率的に変動する「量子揺らぎ」が存在します。これを利用して揺らすことでひっかかりのない安定した配置へ誘導する量子アニーリングと呼ばれる技術が 1998 年に東京工業大学の当時大学院生であった門脇正史氏(現：デンソー株式会社)、西森秀稔名誉教授から提案されました。カナダのベンチャー企業である D-Wave Systems 社が量子アニーリングの原理に従ったコンピュータを製作して販売をしています。原子や分子の振る舞いを調べる量子シミュレーションや、様々な可能性の中で最も良い回答を探索する最適化問題、人工知能の基盤技術となる機械学習への応用などが注目されています。この量子アニーリングでは、量子揺らぎにより、デジタル信号処理における0と1の重ね合わせ状態を作ることができます。この重ね合わせを巧みに利用することで、どちらの状態にあるのが最も相応しいのか、組み合わせ最適化問題における解答を探索することができます。

注2. ベイズ最適化
可能な限り少ない回数でブラックボックス関数の性质を理解し、この関数を最适化することを実现する為の手法です。基本的な考え方を记载します。まず、既存のデータセットからブラックボックス関数をモデル化する代理関数を定义します。代理関数に基づき、ブラックボックス関数の次の探索点を决定する获得関数を定义します。获得関数を最适化することで得られた次の探索点を実际にブラックボックス関数で评価し、得られた入出力関係を既存のデータセットへ追加し、代理モデルを更新します。この手続きを反復することでブラックボックス関数の最适化を目指します。

详细（プレスリリース本文）