研究
マテリアルズ・インフォマティクス
マテリアルズ・インフォマティクス（Materials Informatics：MI）は、 材料科学と情報科学を融合し、データ解析や機械学習を用いて材料研究・開発を高度化する研究分野です。 上杉研究室では、材料工学の知見とAI・機械学習を組み合わせ、 製造プロセスの最適化、合金設計・材料探索、計測・解析の自動化に取り組んでいます。
実験材料科学で蓄積されるデータと、第一原理計算などの計算材料科学から得られるデータを 情報科学によって結び付けることで、従来は熟練者の経験や多数の実験に依存していた課題を、 データに基づいて効率的に解決することを目指しています。 研究の主な方向性は、以下の3つです。
製造プロセスの最適化
1つめは、機械学習を用いた製造プロセスの最適化です。 材料の特性は、組成だけでなく、温度、加工条件、処理時間など多くの製造条件によって変化します。 例えば溶接では、電圧、電流、送り速度などの条件によって、得られる継手の特性が大きく変化します。
従来、このような複雑な製造条件の調整には熟練技術者の経験が大きな役割を果たしてきました。 そこで、製造条件と得られた材料特性をデータとして蓄積し、 機械学習によって両者の関係を明らかにすることで、 目的とする特性を得るための最適な製造条件を予測・決定する手法の構築を進めています。
この研究は、材料情報科学にとどまらず、 材料を基盤とする生産システム全体の高度化・自動化を目指すものです。 実際の製造現場で得られるデータが重要であるため、 大学や公設試験研究機関だけでなく、企業との共同研究を通じて社会実装にも取り組んでいます。
研究紹介「熟練技術者の判断をAIで再現！鋳鉄製造の黒鉛球状化処理工程を自動化」
合金設計・材料探索
2つめは、計算材料科学と機械学習を組み合わせた合金設計・材料探索です。 合金の性質は、元素の組み合わせだけでなく、 原子間距離、電子状態、弾性率、形成エネルギーなど、 さまざまな物理量と密接に関係しています。
上杉研究室では、第一原理計算や既存の材料データから得られる多様な物性値を蓄積し、 機械学習によって材料特性との関係を解析しています。 これにより、従来の経験則だけでは見つけにくかった重要な因子や、 材料特性を支配する新たな関係を見いだし、 より効率的な合金設計につなげることを目指しています。
材料工学の知識に基づく物理的な理解と、 大量のデータから規則性を抽出する情報科学の手法を組み合わせることで、 新しい材料設計指針を構築することが、この研究の目的です。
プレスリリース「鉄鋼部品の表面硬化処理における、炭素・窒素と合金元素の結合メカニズムを解明」
計測・解析の自動化
3つめは、AIを用いた材料の計測・解析の自動化です。 材料研究では、顕微鏡画像や破面画像などから組織や破壊形態を読み取り、 材料の状態や損傷原因を評価する作業が数多く行われています。 これらの解析には専門知識と経験が必要であり、 大量の画像を人手で処理するには多くの時間を要します。
そこで、顕微鏡画像や電子顕微鏡画像に機械学習・深層学習を適用し、 結晶粒や欠陥の検出、材料組織の分類、破壊形態の判別などを 自動化する研究を進めています。 AIによる画像解析を導入することで、 従来は熟練者が一枚ずつ評価していた作業を高速かつ定量的に行い、 大量の材料データを効率的に取得することが可能になります。
さらに、材料組織の三次元計測や高分解能観察技術の進歩によって、 扱う画像データの量は今後ますます増加すると考えられます。 AIによる自動解析技術を組み合わせることで、 これまで取得することが難しかった大規模な定量データを材料研究に活用し、 材料評価の効率化と高度化を目指しています。
プレスリリース「AIと協働し匠の技術を継承！金属の破壊原因を分析するための新たな学習手法を開発」