日立と積水化学、材料特性予測AIの精度を量子アニーリングで向上、材料開発期間を2割短縮

2022年12月16日(金)日川佳三（IT Leaders編集部）

リスト

日立製作所は2022年12月16日、積水化学工業と取り組んでいる材料開発において材料の特性を予測するAIモデルの精度を、量子アニーリングで高められることを実証したと発表した。量子アニーリングを適用することで、材料開発に要する期間を約20％削減できる見通し。開発した手法は、材料開発だけでなく、決定木アルゴリズムを用いるマシンラーニング（機械学習）の予測モデルに対して広範に適用可能だとしている。日立は、CMOS半導体の上に疑似的に量子アニーリングを再現する技術「CMOSアニーリング」のサービスを提供しており、ノウハウを応用した。

　日立と積水化学工業は、材料開発において、材料の特性を予測するAIモデルの精度を量子アニーリングで高められることを実証した。量子アニーリングを適用することで、材料開発に要する期間を約20％削減できる見通し。開発した手法は、材料開発だけでなく、決定木（けっていぎ、Decision Tree）アルゴリズムを用いるマシンラーニング（機械学習）の予測モデルに対して広範に適用可能だとしている（図1）。

図1：材料の特性を予測するAIモデルの精度を量子アニーリングで向上（出典：日立製作所）

　量子アニーリングは、量子コンピュータ技術の1種で、組み合わせ最適化問題を高速に解く仕組みを持つ。日立は、CMOS半導体の上に疑似的に量子アニーリングを再現する技術「CMOSアニーリング」のサービスを提供している（関連記事：日立、疑似量子コンピュータ「CMOSアニーリング」のクラウドサービスを提供）。

　日立と積水化学工業は、AIやデータ解析によって新材料や代替材料を効率的に探索するマテリアルズインフォマティクス（MI）の手法に取り組んできた。その過程で開発期間を短縮する策として、あらかじめマシンラーニングによって材料の特性を予測したうえで、有望な材料に絞って開発を進める方法を検討した。具体的には、材料に関する既存のデータを学習して、材料の特性を予測するモデルを構築。そのモデルを使って、材料の作成に適した条件を探索するという方法である。

　少ない実験で有用な材料の候補を見つけるためには、材料の特性を高い精度で予測するAIモデルが求められる。「予測精度を高めるためには、複数の変数を組み合わせた複合条件で学習することが有効だが、材料の作成に関わる各種の条件を考慮すると組み合わせは膨大になってしまう。従来は、データサイエンティストが経験や勘に基づいて組み合わせる条件を選んでいた。しかし、条件を網羅的に検討できていないため、精度向上には限界があった」（日立）。

　今回、予測モデルの構築において、MIで一般的に用いられる決定木アルゴリズムにCMOSアニーリングを導入。これにより、材料の作成に関わる条件を網羅的に考慮できるようになり、予測精度が向上する。

　両社は、CMOSアニーリングを適用して構築した予測モデルを、既存の有機材料の分子構造から特性を予測する問題に適用。その結果、従来技術（LightGBMおよびXGBoost）単独での予測を上回る精度を達成したという。しかも、同技術を使って材料を開発した場合、従来方式と比べて、開発に要する期間を約20%削減できる見通しも得た（図2）。