宇治原研究室では、IoT*や5G*の社会に不可欠な、大きくてきれいな結晶成長、高品質な材料を作製するための環境や条件のシミュレーターとして、AIを活用しています。結晶成長、材料加工、デバイス作製など、新しい材料の開発には、得てして果てしなく膨大な時間と労力が必要となるからです。これにより、新しい材料の合成法の開発期間を、1/10～1/100程に縮められる見込みです。

１．研究背景

IoTや5Gの社会では、これまでよりも格段に、通信容量が大きく、放熱のロスが少なく、小さくて軽く、寸分の狂いも生じない、それらの条件を全てクリアするデバイスを作ることが不可欠となります。

即ち、新素材の開発が大変重要となりますが、そこには ①どのような物質が役に立つかを見出す、材料設計・探索の段階　②見出された物質を役に立つ材料として合成する方法を開発する、材料プロセス開発の段階の、２段階があります。特に、その大半は材料プロセスの開発に費やされ、20年から30年を必要とするとしばしば言われます。

２．機械学習（AI)^*への取り組み

自動車の研究開発が加速度的に進んだ背景には、高精度のシミュレーターの実現があります。我々は、そこに着想を得て、AI（人工知能技術）の機械学習を新材料開発に用いるために学習し、装置内部の状態を瞬時に予測するシステムを開発しました。

図は、SiC結晶成長中の、るつぼ*内部の高温液体の温度分布と流れ分布のシミュレーション結果と予測結果の一例です。色のコントラストが温度を示し、矢印が流れの向きと大きさを示しています。ここでは、高温液体の右半分だけを計算していますが、シミュレーション結果と予測結果がほぼ一致しており、予測の精度が極めて高いことがわかります。これは、実際に実験に取り入れて進めている「（世界一きれいで大きな）SiCの結晶成長」（リンク）のデータです。

我々の実験には、次の技法を取り入れています。

■ベイズ最適化

ベイズ最適化（Bayesian Optimization）とは、過去の試行結果から、次にどこを調べれば良いかを、確率分布と獲得関数にもとづいて決める手法。 これにより、比較的少ない試行回数で、効率的により優れたハイパーパラメータが選べるとされます。

■ニューラルネットワーク

人間の脳内にある神経細胞（ニューロン）とそのつながり、つまり神経回路網を人工ニューロンという数式的なモデルで表現したもののこと。人間の脳のしくみから着想を得たもので、脳機能の特性のいくつかをコンピュータ上で表現するために作られた数学モデルです。

３．今後の展開

ここで用いている機械学習は、あらゆる材料プロセスに応用が可能です。