国立大学法人北陸先端科学技術大学院大学 国立研究開発法人理化学研究所

機械学習を用いた太陽電池用シリコン薄膜堆積条件の
新たな最適化手法を開発

ポイント

• 実用で頻出する制約（膜厚制限や実現不可能な実験条件排除）を考慮した「制約付きベイズ最適化」を開発
• 制約内の実験条件範囲でキャリア再結合抑止能力が最良となる薄膜堆積を少ない実験回数で実現
• 太陽電池製造や薄膜堆積に限らず広く応用可能な手法として期待

　本研究グループではこれまで、触媒化学気相堆積(Cat-CVD)法^*1を用いた太陽電池用薄膜形成に取り組んできた。特に、非晶質シリコン膜と結晶シリコン基板との接合からなるシリコンヘテロ接合太陽電池^*2は、低損傷での膜堆積が可能なCat-CVDの優位性が生かせることから、有用な応用先として注力している。この製膜においては、多数の製膜パラメータが存在するため、太陽電池出力を最大化する最適製膜条件の発見には、一般に膨大な実験回数（試行錯誤）を要する。
　このような実験条件の最適化問題に対して、「ベイズ最適化」^*3と呼ばれる、機械学習を応用した逐次最適化法が、最近よく使用されている。しかし、太陽電池出力の最大化のみを目的とした単純なベイズ最適化では、次の実験条件で得られる膜の厚さを規定する機能は無く、デバイス動作上問題が生じるような厚膜が形成されうる。また、ベイズ最適化によって提示される実験条件が、実現不可能な組み合わせ（例えばガス流量と製膜装置のポンプの排気能力の不整合）となる可能性がある。
　本研究では、これらのベイズ最適化における実践的な問題を解決するための、「制約付きベイズ最適化」を開発した。この手法では、未実施の実験条件のうち、製膜装置の仕様上実現が困難な実験条件を機械学習による予測に基づいてあらかじめ排除し、残りの条件の中からキャリア再結合抑止性能を最良化する可能性のある実験条件を提示させるよう工夫した。さらに、一定の製膜時間における予測膜厚を提示させる機能を持たせ、所望の膜厚を得るための製膜時間を逆算できるよう設計した。これらの制約を組み込むことで、製膜装置が実現可能な条件の範囲内でかつ一定の膜厚を有し、キャリア再結合抑止性能を最良化するベイズ最適化の手順を進行させることが可能となった。開発した「制約付きベイズ最適化」を用いることで、わずか8回のサイクルにより最適な製膜条件に到達し、20回のサイクルでベイズ最適化工程が完了した。また、本ベイズ最適化の提示に従って複数の製膜パラメータを広い範囲で変化させた結果、高いキャリア再結合抑止性能の実現には、製膜時の基板温度と原料ガスであるSiH₄の流量の組み合わせが重要であることも見出した。
　本研究で得られた手法は、太陽電池製造や薄膜堆積に限らず、幅広い分野や試料作製に適用可能な手法として期待される。

「制限付きベイズ最適化」の流れ

【論文情報】

【用語説明】

令和6年2月19日

　生命機能工学領域の平塚祐一准教授が参画する研究課題が、国立研究開発法人新エネルギー・産業技術総合開発機構（NEDO）の「次世代人工知能・ロボット中核技術開発」に採択されました。

　NEDOは、2015年に策定された政府の「ロボット新戦略」を受け、2015年度から「次世代人工知能・ロボット中核技術開発」を推進しています。このプロジェクトは、現在のロボット関連技術の延長上に留まらない、人間の能力を超えることを狙った革新的な要素技術をターゲットとし、これまで人工知能・ロボットの導入を考えもつかなかった未開拓の分野で、新しい需要を創出することを狙っています。

　NEDOは、次世代の人工知能・ロボットの研究開発強化に向けて、「次世代人工知能技術分野」および「革新的ロボット要素技術分野」において、今まで実現されていない革新的な要素技術をターゲットに公募を実施し、今回、13テーマを採択しました。

■採択期間
　平成28年度～平成29年度（継続の可能性あり）

■研究課題
　「生体分子を用いたロボットの研究開発」

■共同研究機関
　国立大学法人北陸先端科学技術大学院大学
　国立大学法人東京工業大学
　国立大学法人北海道大学

詳しくはNEDOホームページをご覧下さい。
http://www.nedo.go.jp/news/press/AA5_100599.html

平成28年7月19日

　バイオ機能医工学研究領域の廣瀬大亮講師が、化学とマイクロ・ナノシステム学会第49回研究会（CHEMINAS 49）において、優秀研究賞を受賞しました。

　一般社団法人化学とマイクロ・ナノシステム学会は、化学・生命科学・医学などの物質や生命現象を対象とする学問分野と、マイクロ・ナノスケールの材料・加工、計測・制御、システム構築などを対象とする工学技術を融合することで、新たな学術領域・技術分野を開拓し、それらを応用した新規産業の創出を目指しています。
　CHEMINAS 49は、令和6年6月1日～2日にかけて東京農工大学小金井キャンパスにて開催され、研究の質とフラッシュプレゼンテーションを含む発表の質の両面において、優秀な研究発表を行った正会員または賛助会員の発表者、及びその連名者全員に優秀研究賞が授与されました。

※参考：CHEMINAS 49

■受賞年月日
　令和６年６月２日

■研究題目、論文タイトル等
　酸化物薄膜トランジスタ型核酸センサーの機械学習を用いた検出判定

■研究者、著者
　廣瀬大亮、ZHAO Yunshu（博士前期課程2年）、高村禅

■受賞対象となった研究の内容
　本研究室で研究を進めている酸化物薄膜トランジスタ(ox-TFT)型センサーは、小型、高感度、リアルタイム検出可能と、核酸検出の極めて有力なツールとなる可能性を有している。しかしながら、検体のわずかな液性変化で検出判定が左右されるという打たれ弱さがあった。そこで我々は、機械学習を用いることでより精度の高いDNAの検出判定が可能になるのではないかと考えた。500以上の実測データを用いて、主成分分析による測定データの次元圧縮ならびに教師あり学習による検出判定を行ったところ、高精度での核酸の検出判定ができることがわかった。

・発表ポスターより

背景

　
作製した酸化物薄膜トランジスタ型センサーと機械学習による検定結果

■受賞にあたって一言
　この度は化学とマイクロ・ナノシステム学会第49回研究会において優秀研究賞を受賞でき、大変光栄です。講師就任後、初の発表でしたが、気負うことなくこれまでの成果をまとめることができたのが、吉と出たかと思っています。材料科学と情報科学を組み合わせることで、魅力的な研究となったと実感しております。高村禅教授をはじめ、研究室の皆さまより様々なサポートをいただいたことに深く感謝します。

令和6年8月22日

北陸先端科学技術大学院大学 北海道大学 科学技術振興機構

触媒シーズ創出に向けた自動特徴量設計技術を開発
～事前知識なしで未知材料の機能を高精度に予測～

ポイント

• 機械学習を用いた材料の機能予測において、経験的な側面を排除した特徴量設計技術を開発
• 事前知識を必要とせず、様々な触媒系のスモールデータに対して圧倒的な予測精度
• 機械学習を用いた材料探索の裾野を大きく広げ、材料シーズ創出を飛躍的に効率化

【研究の背景と経緯】

　従来、自然科学研究は、個々の研究者の洞察に基づく仮説検証に導かれてきました。しかし、データ駆動型アプローチの隆盛により、このパラダイムは変化しつつあり、触媒を含む様々な材料分野で成功を収め始めています。このような背景の中、効果的な機械学習に適した、十分な規模を備えた材料データの欠如が大きな課題となっています。データの限界は、精巧な機械学習モデルの応用を困難にし、それでも高精度な予測を得るためには、材料の本質を捉えた記述子の存在が必要不可欠です。しかし、このような記述子設計は、関連要因を網羅するために、対象材料の高度な事前知識を必要とし、一般的に大変困難です。何より、未知の領域に踏み込むためにその事前知識が必要となることは論理的に矛盾しており、この記述子設計の経験的な側面は、データ駆動型アプローチの適用対象を、比較的良く知られた材料系に限定せざるを得ない主要因となってきました。

【研究の内容】

　今回、本研究グループは、対象材料の事前知識を必要とせず、効果的な記述子を自動的に設計可能な汎用技術を開発しました。開発技術は、材料データが小規模であることを前提とし、元素などに関する一般的な物理量から演算を通して大量の記述子候補を生成し、目的に関連する記述子を機械に選択させる技術です。記述子候補を、材料の機能を説明し得る"仮説"と捉えると、開発技術は、コンピュータ上で大量の仮説を生成し重要な仮説を抽出する、いわば、仮説スクリーニング技術です。本研究では、メタンの酸化カップリング、エタノールのブタジエンへの転換、三元触媒のライトオフ温度という全く異なる対象に対して、開発技術が、触媒組成を記述子とする従来法と比較して、はるかに優れた予測精度を与えることを明らかにしました（図1）。さらに、ハイスループット実験と当該技術を組み合わせて用いる能動学習^[注4]を通じて、機械が触媒設計を捉える認識の精度と汎化能力を改善していき（図2）、最終的に、類似性の低い多様な高性能触媒を、83％もの高精度^[注5]でピンポイント予測することに成功しました。
　このような成功の裏には、谷池教授らのグループが開発したハイスループット実験技術と、これによって創出した高品質な触媒データの存在が不可欠でした。

【今後の展開】

　開発技術は汎用性が高く、触媒に限らず、訓練データを差し替えるだけで様々な材料対象へ即座に展開可能です。本研究グループは、開発技術とハイスループット実験、計画的なサンプリングを組み合わせて用いることで、数十億種もの材料を含むような極めて広大な空間から、事前知識や仮定を一切必要とすることなく、効率的に材料シーズを発見することができるようになると考えています。今後は、開発技術をソフトウェア化し、広く社会実装していく予定です。

【参考図】

【用語解説】

【論文情報】

令和6年1月15日

北陸先端科学技術大学院大学
北海道大学
熊本大学
科学技術振興機構

ビッグデータが拓く新時代の触媒化学

ポイント

• ハイスループット触媒評価装置による材料ビッグデータの取得
• データ科学に立脚した触媒とプロセスの同時設計

北陸先端科学技術大学院大学（学長・浅野哲夫、石川県能美市）、先端科学技術研究科物質化学領域の谷池俊明准教授、西村俊准教授らは北海道大学（総長・名和豊春、北海道札幌市）の髙橋啓介准教授、熊本大学（学長・原田信志、熊本県熊本市）の大山順也准教授らと共同で、ハイスループット実験・材料ビッグデータ・データ科学を基盤とした触媒インフォマティクスを実現することに成功した。 　近年、自然科学においても人工知能（AI）という言葉が頻繁に聞かれるようになった。特に、機械学習などのデータ科学的な方法論を駆使し、材料科学の研究開発を飛躍的に加速せんとする試みをマテリアルズインフォマティクス（MI）と呼ぶ。我々は、MIを触媒開発に利用することを試み、メタンの酸化カップリング反応（OCM）*1において、日に4000点もの触媒データを自動取得可能なハイスループット触媒評価装置*2を設計し、これを用いて過去30年で蓄積されたデータ数を一桁上回る12000点ものデータをわずか3日で取得することに成功した。さらに、得られた触媒ビッグデータを機械学習などによって分析し、その結果に基づいて固体触媒や反応プロセスを通してOCMの反応収率を大きく改善することに成功した。 　MIは概念的な意味では良く研究されてきたが、これが真に材料科学に革新をもたらすか否かは、質・規模共に十分な材料データが用意できるかどうかにかかっていた。 これまで研究者らが科学論文という形で積み上げてきたデータは、研究者の実験方法や興味を強く反映しており、また、性能の低い材料データを含まず、機械学習には不向きであった。我々はハイスループット実験によってこの問題を突破し、30年の研究が、実働1ヵ月に満たない短期間で実施できることを実証した。今後、同様な方法論がさまざまな材料分野における研究開発を飛躍的に加速させ、人類社会の持続的な発展に大きく貢献する材料を次々と生み出していく時代が来ると期待される。 　本成果は、2019年12月25日0時（米国東部標準時間）にACS Publications発行「ACS Catalysis」のオンライン版に掲載された。なお、本研究は、科学技術振興機構（JST）戦略的創造研究推進事業CREST研究領域「多様な天然炭素資源の活用に資する革新的触媒と創出技術」(研究総括: 上田渉)における「実験・計算・データ科学の統合によるメタン変換触媒の探索・発見と反応機構の解明・制御」(研究代表:髙橋啓介)の支援を受けて行われた。

【論文情報】

【用語解説】
*1 メタンの酸化カップリング反応（OCM）
普遍的に存在するメタンはそのままでは化学的な有用性が低く、これを触媒によって別の有用化合物へ変換することが望ましい。メタンの酸化的カップリングとは、メタンと酸素分子の反応を通してエタンやエチレンを直接合成する高難度反応である。

*2 ハイスループット触媒評価装置
実験の回転速度をスループットと呼ぶ。ハイスループット実験装置とは高度な並列化や自動化によってスループットを劇的に改善する装置を指す。

令和元年12月25日

　学生の福田雄太さん（博士前期課程2年、物質化学フロンティア研究領域、山口研究室）がAnnual Technical Conference (ANTEC2024)においてStudent Poster Winnerを受賞しました。

　ANTEC2024は、国際的なプラスチック技術者協会であるSociety of Plastics Engineers(SPE)が主催し、3月4日～7日にかけて米国セントルイスにて開催された国際会議であり、当該分野では世界で最も大きな学会です。
　同会議はプラスチックのイノベーションに焦点を当て、ポリマー加工におけるリサイクルやAIを活用した射出成形、サーキュラーエコノミー、持続可能な輸送などのトピックを扱う講演者による最先端のセッションの宝庫です。プレナリー講演では、機械学習や革新的なポリマー設計、持続可能な成長について探求し、プラスチックの未来を垣間見ることができます。

※ANTEC2024

■受賞年月日
　令和6年3月6日

■研究題目
　Control of Cyrstalline Structure for Isotactic Polypropelylene Containing Hydrogenated Poyl
　(dicyclopentadiene)

■研究者、著者
　福田雄太

■受賞対象となった研究の内容
　ポリプロピレン（PP）に水素化オリゴシクロペンタジエンを添加し急速冷却を行うことで、PPの結晶形態を制御できることを見いだした。その結果、得られるフィルムは高強度かつ高剛性となり、フィルムの薄肉化が可能となる。

■受賞にあたって一言
　この度はANTEC2024においてポスター賞を受賞できたことを大変うれしく思っています。受賞にあたって日頃から熱心に指導してくださる山口政之教授、および研究室のメンバーに深くお礼申し上げます。

令和6年3月28日

国立大学法人 北海道大学 国立大学法人 北陸先端科学技術大学院大学 国立研究開発法人 科学技術振興機構

触媒ビッグデータから「触媒世界地図」を描写
～ブラックボックス化していた触媒設計を紐解く～

ポイント

• 触媒の組成・実験条件の知識ネットワーク「触媒世界地図」を触媒ビッグデータから描写。
• 触媒世界地図を用いた触媒設計が可能となり、新たな活性触媒を発見。
• 大規模な科学データからの材料・触媒設計の技術基盤になることを期待。

【概要】

元素と収率の関係、元素と実験条件の関係等が表現された触媒世界地図

【背景】
　触媒は化学反応の反応速度を速める材料であり、自動車の排気ガスの浄化からエネルギーの変換まで幅広い分野で実用化されています。これまでの触媒開発は、研究者の熟練の経験や勘で試行錯誤して開発していました。その中で、マテリアルズインフォマティクス・触媒インフォマティクスの登場により材料・触媒科学は大きな転換期を迎えています。
　マテリアルズインフォマティクス・触媒インフォマティクスでは、第4の科学であるデータ科学を用い、材料・触媒データのパターンから材料・触媒設計を行います。いわば、これまでの研究者の経験や勘をデータ科学で再現することを目的としています。しかし、材料・触媒ビッグデータから知識・設計をどのように抽出するかが大きな障壁となっています。特に機械学習等のデータ科学手法では機械がどう学習したのかを説明することができず、理論的解釈による設計が難しいという問題があります。
　そのため、理論に基づいた触媒設計を行う必要がありました。

【研究手法】
　メタン酸化カップリング反応を対象とし、独自開発したハイスループット実験装置で得られたメタン酸化カップリング反応の触媒ビッグデータに対して、オントロジーの概念を元にデータ内の知識と関係性をネットワークとして表現しました。

【研究成果】
　触媒ビックデータから触媒の世界地図を作成することに成功しました。この触媒の世界地図により元素組成・実験条件・C2収率等の関係性が明白となり、そこで得られた情報から触媒設計を行うことに成功しました。結果、触媒の世界地図からKVEu-BaO(20%C2収率)、LiTiW-BaO(19%C2収率)、EuMgZr-BaO(19%C2収率)、MoKW-BaO(19%C2収率)等の未報告の活性触媒を設計・実験実証することに成功しました。

【今後への期待】
　触媒ビッグデータからどのように触媒科学の知識を取り出すかが大きな課題でしたが、オントロジーという概念を元に知識のネットワークを設計することにより、触媒ビッグデータから知識の抽出・触媒設計が可能になることを初めて提案しました。この方法は今後の触媒ビッグデータや材料ビッグデータにも適用することができるため、大規模な科学データからの知識・材料設計の技術基盤になることが期待されます。

【謝辞】
　本研究は、科学技術振興機構（JST）戦略的創造研究推進事業CREST研究領域「多様な天然炭素資源の活用に資する革新的触媒と創出技術」(研究総括:上田 渉)における「実験・計算・データ科学の統合によるメタン変換触媒の探索・発見と反応機構の解明・制御」(研究代表者:髙橋 啓介)の支援を受けて行われました。

【論文情報】

【用語解説】
^＊1 触媒世界地図...触媒ビックデータから元素組成・実験条件・C2収率等の関係性をネットワークとして描写したもの。
^＊2 メタン酸化カップリング反応...普遍的に存在するメタンはそのままでは化学的な有用性が低く、これを触媒によって別の有用化合物へ変換することが望ましい。メタンの酸化的カップリングとは、メタンと酸素分子の反応を通してエタンやエチレンを直接合成する高難度反応である。
^＊3 触媒インフォマティクス...データ科学手法を用いて触媒設計・触媒解析を行う学問。
^＊4 オントロジー...物事をどの様に概念化したかを記述する学問。

令和3年9月24日

国立大学法人 北海道大学 国立大学法人 北陸先端科学技術大学院大学 国立研究開発法人 科学技術振興機構

触媒遺伝子「触媒シークエンシング」を発見
～触媒インフォマティクスを駆使した新しい触媒開発に成功～

ポイント

• 触媒遺伝子「触媒シークエンシング」を触媒ビッグデータから発見。
• 触媒組成を従来の周期表の元素記号ではなく、ゲノム配列のように記号で表現。
• 触媒遺伝子を用いた触媒設計を提案し、実験実証に成功。

【概要】

【背景】
　マテリアルズインフォマティクス・触媒インフォマティクスの登場により材料・触媒科学は大きな転換期を迎えています。マテリアルズインフォマティクス・触媒インフォマティクスでは、第4の科学であるデータ科学を用い、材料・触媒データのパターンから材料・触媒設計を行います。そのような中、触媒組成は周期表の元素記号で表現されてきましたが、反応場での真の触媒の状態は複雑なため、触媒組成を記述する真の触媒記述子の決定が困難を極めています。そのため機械学習などの触媒インフォマティクスにおいて、触媒組成の記述方法が大きな障壁となっています。周期表の元素記号に頼らず、触媒の特徴を反映した触媒組成の記述方法を決定する必要があります。

【研究手法】
　独自開発したハイスループット実験装置で得られたメタン酸化カップリング反応の触媒ビッグデータを用い、触媒インフォマティクス・信号処理・パターン認識・自然言語処理を駆使し、触媒ビッグデータに隠されているパターンから「触媒の遺伝子」を提案しました。

【研究成果】
　発見された「触媒の遺伝子」は生物の塩基配列のように記号で表現することができます。この触媒特有の配列を「触媒シークエンシング」と名付けました（図1）。この「触媒シークエンシング」を用いると、従来の元素記号での表記では全く異なる触媒組成であっても、同じ機能を持つ触媒は同じ「触媒の遺伝子」として表現することが可能となります。「触媒遺伝子」を持つ触媒群の元素を再編成することにより、同じ触媒遺伝子を持つ触媒の設計を行い、実験実証にも成功しました。

【今後への期待】
　今回提案した「触媒遺伝子」は、様々な触媒データに適用することにより、発見された触媒が既知の触媒と似た遺伝子を持っているのか、もしくは全く新種の触媒遺伝子なのかなど、バイオインフォマティクスで見られる遺伝子解析のような、全く新しい視点での触媒情報の解析が可能となります。したがって、触媒インフォマティクスにおける触媒データの取り扱い手法の基盤技術として、より発展的かつ実用的な適用が期待できます。

【謝辞】
　なお、本研究は、科学技術振興機構（JST）戦略的創造研究推進事業CREST研究領域「多様な天然炭素資源の活用に資する革新的触媒と創出技術」(研究総括:上田 渉)における「実験・計算・データ科学の統合によるメタン変換触媒の探索・発見と反応機構の解明・制御」(研究代表者:髙橋 啓介)の支援を受けて行われました。

【参考図】

図1　発見された触媒遺伝子-触媒シークエンシング

【論文情報】

【用語解説】
^＊1 触媒記述子...触媒の特徴を数値化して表現したもの。
^＊2 触媒インフォマティクス...データ科学手法を用いて触媒設計・触媒解析を行う学問。
^＊3 信号処理...信号を数理処理によって解析・処理する技術。
^＊4 パターン認識...データの中から規則性を取り出す技術。
^＊5 自然言語処理...言語や記号をコンピューターで処理する技術。

令和3年8月2日

北陸先端科学技術大学院大学 北海道大学 科学技術振興機構

ハイスループット実験と触媒インフォマティクスが実現する
ゼロからの触媒設計

ポイント

• 物質空間からの無作為なサンプリング
• ハイスループット実験による触媒ビッグデータの取得
• バイアスを含まないデータからの触媒設計指針の抽出

【論文情報】

【用語解説】
^*1 ハイスループット実験装置
実験の回転速度をスループットと呼ぶ。ハイスループット実験装置とは高度な並列化や自動化によってスループットを劇的に改善する装置を指す。
^*2 メタンの酸化カップリング反応（OCM）
普遍的に存在するメタンはそのままでは化学的な有用性が低く、これを触媒によって別の有用化合物へ変換することが望ましい。メタンの酸化的カップリングとは、メタンと酸素分子の反応を通してエタンやエチレンを直接合成する高難度反応である。

令和3年1月27日

　環境・エネルギー領域の水田 博教授らの研究グループは、 太陽誘電株式会社（本社：東京都、代表取締役社長：登坂正一、以下太陽誘電）と、グラフェンを用いた超高感度においセンサの共同開発を発表しました。

＜発表の概要＞　
　水田教授らの研究グループは、原子層材料グラフェンを用いた独自のNEMS（Nano-Electro-Mechanical Systems: ナノ電子機械システム）技術を用いて、グラフェン表面に物理吸着した単一CO₂ガス分子によるグラフェンの微小な電気抵抗変化を、室温で検出時間＜1分で高速検出する抵抗検出方式の単分子レベル気相センサの原理検証に成功しています。この抵抗検出方式グラフェンセンサはグラフェンとガス分子間の化学反応を用いておらず、吸着を加速する目的で印加している基板電界を切れば吸着分子は自然に脱離します。つまりセンサのリフレッシュ動作は必要なく、それゆえ素子のライフタイムを飛躍的に長くできます。最近では、この基盤技術を応用展開し、室温大気圧雰囲気下で濃度～500 pptの極薄アンモニアガスに対して、検出時間＜10秒で高速検出することにも成功しています。また、グラフェンRF振動子を用いた質量検出方式グラフェンセンサの基盤技術も開発済みです。現在のQCM（Quartz Crystal Microbalance：水晶振動子マイクロバランス）センサの質量検出限界が数ピコグラム(10^-12 g)レベルであるのに対して、本研究では、濃度～数ppbのH₂/Arガス中で、グラフェン振動子表面に吸着した分子による質量の増加を、室温で100ゼプトグラム（1zg = 10^-21 g）レベルで検出することに成功しています。これは、従来のQCMセンサと比較して約7桁の質量感度向上にあたります。

　一方、太陽誘電は、これまでQCMを用いたにおいセンサの開発を行ってきました。開発中のセンサシステムは、①QCMセンサアレイモジュール、②センサコントロールユニット、③クラウド処理の3つの構成要素からなっており、①QCMセンサモジュールは、水晶振動子、水晶発振回路、周波数検出回路、流路、ポンプ、BLE（無線）等から構成されています。②センサコントロールユニットは、①QCMセンサモジュールと同時複数（最大32台）接続し、センサデータを取得するとともに、そのデータをクラウドへアップするゲートウェイ機能を有しています。③クラウド処理は、②センサコントロールユニットを介してアップされたセンサデータをニューラルネットワークの機械学習で処理し、においの種類や危険予知、故障予測など人にとって意味のある結果を出力します。しかし、①のQCMセンサの感度は人の嗅覚感度にも達しておらずppm程度の濃度が検出限界であることが課題となっています。

　本共同開発においては、両グループの相補的な世界的卓越技術を融合させ（図1参照）、犬や線虫の嗅覚能力に迫るpptレベルの超高感度（図2参照）を可能とするマルチセンサアレイ方式パターン分析超低濃度・超微小量においセンシング技術を開発します。これは太陽誘電の高感度化ロードマップ（図3参照）において、最高感度フェーズの技術として位置づけられています。

図1　太陽誘電株式会社と水田教授グループの共同開発チーム概念図

図2　匂いセンサの応用分野と既存センサの性能および共同開発する超高感度グラフェンセンサのターゲット

図3　太陽誘電株式会社の高感度化ロードマップにおける本共同開発の位置付け

図4　共同開発チームの主メンバー：
左から水田博教授、太陽誘電株式会社開発研究所・機能デバイス開発部の服部将志課長、下舞賢一次長

＜今後の展開＞　
　生体・環境などのにおいをシングルppb～pptレベルで識別するグラフェンセンサアレイを室温・高速で動作させ、真のe-Nose技術の実現を目指します。また、これを、①皮膚ガス検知によって未病検出や精神的ストレスモニタを可能とする高機能ヘルスチェックシステムや、②シックハウス症候群の原因となっているVOC（揮発性有機化合物）など生活環境汚染モニタリングシステム開発に発展させ、新たな産業・市場開拓に挑んでまいります。

図5　超高感度グラフェンにおいセンサシステムによる応用展開例

　本共同開発事業は、10月23日開催の、粉体粉末冶金協会2019年度秋季大会（第124回講演大会）講演特集『スマートソサイエティを支える高機能電子部品材料』において発表予定です。

*参考：粉体粉末冶金協会2019年度秋季大会（第124回講演大会）ホームページ

令和元年10月23日

　学生の中山 超さん（博士後期課程3年、物質化学領域、谷池研究室）、修了生の北村 太志さん（平成30年3月博士前期課程修了）と物質化学領域の谷池 俊明准教授、和田 透特任助教がマテリアルライフ学会総説賞を受賞しました。

　マテリアルライフ学会は、有機、無機、金属からなる素材およびそれらを加工して得られる各種材料と構成物・製品並びにバイオマテリアル、古文化財などの耐久性、寿命予測と制御についての科学および技術の進歩を図ることを目的とした学会です。
　マテリアルライフ学会総説賞は、編集委員による厳正なる評価を基に、優れた論文の発表者に授与されます。また、耐久性、寿命予測と制御についての科学および技術の進歩に貢献することが期待される論文に与えられるものです。

■受賞年月日
　令和元年7月4日

■論文タイトル
　ハイスループット化学発光イメージングと機械学習を併用した安定化剤配合の探索

■著者
　中山超、北村太志、谷池俊明、和田透

■論文概要
　高分子材料の長寿命化において安定化剤配合の検討は最も効果的な手段でありますが、莫大な安定化剤の組み合わせの中から効果的な配合を探索すること、安定化剤を添加した材料の寿命評価時間短縮が最大の課題でした。本研究では安定化剤配合の探索手段として、機械学習である遺伝的アルゴリズムと100検体同時の寿命評価が可能なハイスループット化学発光イメージング（HTP-CLI）を併用し、有効性の高い配合の特徴を進化させていくことで、効率的に配合の性能を向上させていくことを提案しました。

■受賞にあたっての一言
　今回、このような賞をいただき大変光栄に思います。本発表において熱心なご指導を頂いた谷池准教授、和田特任助教、北村太志氏、装置を開発した荒谷尚樹氏および激励を頂いた研究室の皆様には心より感謝申し上げます。

令和元年7月11日

協調ロボットの未来：広範囲触覚・近接センシングの簡易な実現に成功

ポイント

• 周囲の環境や人に対する安全な動作を実現するための近接覚と、利用者に対して安心感を提供する触覚、2つの感覚を備えたセンシングロボットアームの開発に成功した。
• 広範囲なセンシング機能を備えていながら、複雑な配線がなく、シンプルかつ耐久性の高い設計を実現した。
• センシング装置におけるデジタルツインを構築することによって、データ駆動型のセンシング機能を備えることができ、Sim2Real^{[用語説明]}の効果を高めることにも成功した。

【研究の背景と目的】
　これまでの産業用ロボットの考え方では、人間とロボットは作業領域が明確に分離されており、ロボットは人間の安全半径内に立ち入ることが許されなかった。これは、第一義的には人間を危険から守るためだが、一方で、産業用ロボットの安全性に関する技術・研究の発展を阻害していた側面がある。安全性の確保は、最低限のセンシング技術と簡易なフェイルセーフ機能で十分とされ、研究開発のリソースは、より製品の競争力を高めるためのロボットの高速化・高精度化に注ぎ込まれてきた。しかしながら、近年の我が国における労働力不足や長引くコロナ禍による新しい生活様式の中で、これまで人間の手で行ってきた作業をロボットで代替しようとする動きが急速に高まってきている。さらに、全ての人が健康的な生活を送ることができる社会を目指すSDGsの大きな流れが加わり、現在ロボット技術に人間との調和、つまりロボットが人間と共存し、さらに人間とコラボレーションすることが強く求められている。
　例えば、ロボットが人間をサポートする技術として、アームで人間を支える介護ロボットでは、介護サービスの提供を受ける人間が安心感を得られる触覚センシングの活用が検討されている。触覚は、人間同士の触れ合いにおいては愛情や信頼、思いやりを伝える重要な感覚である。しかし、ロボットの触覚技術は長年研究されてきているが、視覚技術の研究と比較すると未だ応用例は極めて少ない。また、同時に周囲の人間や環境に対する安全性を確保するためには、ロボットが周辺状況を高い精度で検知する必要があるが、特に外付けのカメラを利用する場合に、アームや利用者によって遮蔽される領域が多く、アームの近接領域の検出が困難となっている。
　このような問題点に鑑み、今回、利用者が安心感を得られる接触と、安全な動作を実現する近接の両方の感覚を兼ね備えたロボットアームの技術を提案した。本研究において実現される近触覚・接覚のセンシング技術では、人間を含む周囲の環境を認識し、自立的な判断行動が可能となるロボットアームを開発することで、衝突回避等の安全性だけではなく、接触が許容される状況の判断および接触を通じた安心感の提供といった機能を有する、人工知能(AI)を搭載した協働ロボットの実現を目指す(図１)。

図１：本研究の位置付け

【研究の内容】
　本研究では、低コストかつシンプルな構造を有する柔軟な触覚装置と、人間との接触を即時に検知することで、人間の行動を推定しながら人間と調和するロボットを実現した。このロボットは、人間の皮膚を模した柔軟なスキン上の複数の接触点へ加えられた力を、ロボットアームの両端に設置されたカメラが、スキンの変形の状態をリアルタイムで測定する技術によって実現した。さらに、透明なシリコンゴムと薄い柔軟な高分子分散液晶(PDLC)フィルムを組み合わせることで、柔軟なスキンの透明性をアクティブに切り替えることが可能となった(図２)。利用するPDLCフィルムは、外部から小さな電圧を印加することにより、透明／不透明を切り替えることができる。この透明／不透明の切り替えでは、近接覚と触覚の二つのモードを備え、またそのモードをシームレスに切り替えることができる。

図２：設計概念

（図2）
（右）近接覚モード(PDLCが透明)：スキン内部の2台のカメラは、スキン近傍の外部オブジェクトを検知できる。
（左）触覚モード(PDLCが不透明)：これまでの研究成果と同様、2台のカメラが接触または相互作用下でのスキンの歪みを検知し、触覚または力のセンシングが可能となる。

　本研究で使用したロボットアームは、柔軟なスキンの内側に格子状のマーカーを備え、スキン内部に2台の小型カメラを配置している。スキンの透明性の能動的な切替えにより、近接覚と広範囲の触覚をセンシングする独創性の高い手法である。圧力センサを用いずカメラによるマーカーの変位から外力を算出することから、配線の複雑さやオクルージョン (光学遮蔽)などをほぼ完全に無くすことに成功しており、高いセンシング精度と耐久性を実現した。さらに、各モジュールの内圧を変えることでスキンの柔らかさを調整し、スキンに触れた人間に対する触感についても、制御可能である。さらに、深層学習を通じて多様な近接・接触動作・状況を予め学習させることで、人間と調和し、人間との複雑な近接・接触を実現する潜在的に高い適応性を持つと期待される。

図３：各動作モード

＜参考動画＞
　動作ビデオ１：https://youtu.be/NN2u8YBLITY
　動作ビデオ２：https://youtu.be/m8QzvDx_vpc

　今日、ロボットは、いわゆる物理的な人間とロボットの相互作用（pHRI；physical Human-Robot Interaction)シナリオのように、安全半径の外で動作しつつ、人間と同じワークスペースを共有し(共存)、さらには人間と相互作用(コラボレーション)する必要がある。pHRIでは、ロボットは衝突の可能性を回避するだけでなく、避けられない物理的接触と意図的な物理的接触の両方を安全かつ信頼できる方法で対応することが期待されている。これを達成するために、深度カメラと力／トルクセンサーの組み合わせが提案されているが 、これは、外部カメラを使用するために、先述した視覚の遮蔽の問題を有している。近年、マルチモーダル知覚(触覚、近接など)を備えた大規模センサースキンが開発されたが、センサーネットワークのデータ取得と処理が複雑であるため、微調整が困難であり、衝突等の突発的な事故への応答が遅くなる可能性がある。

　本研究は、ロボットの周りの多様な近接や接触動作・状況などをたった2台のカメラで検知することが可能なシンプルな構造をしており、信頼性を持つpHRIの実装方法となり得る。また、Sim2Realのプロセスで、実物の特性を再現できるデジタルツインにおいて、必要なデータ収集や学習などをシミュレーション環境で実施し、学習の結果を、実物に反映させることができ、今後の研究・開発の時間を大幅に縮小することも期待される。

　本研究成果は、2023年2月28日にIEEE(米国電気電子学会)が発行する学術雑誌「IEEE Transactions on Robotics」のオンライン版に掲載された。また、2023年4月3日から7日までシンガポールで開催の、国際会議IEEE-RAS International Conference on Soft Robotics (RoboSoft 2023)で発表された。

　なお、本研究は、国立研究開発法人科学技術振興機構（JST)・戦略的創造研究推進事業さきがけ「IoTが拓く未来」研究領域(JPMJPR2038)の支援を受け行った。

【今後の展開】
　本研究によって、今後の展開が期待される製品・サービスとして、次の二つが挙げられる。一つ目は、利用者がより多くの事を自分自身でできるように支援し、さらに利用者に加え、周りの状況も考慮したロボットアームを備えた車椅子への活用である。二つ目に、サービスの提供を受ける利用者に安心感や大事にされているという感覚、思いやりなどを伝えることができる介護ロボットである。将来的に、これらの製品が介護保険等の給付対象として認可されることで普及促進へと繋がることが期待される。

【論文情報等】

【用語解説】

令和5年4月12日

学校法人 龍谷大学 国立大学法人 奈良先端科学技術大学院大学 国立大学法人 北陸先端科学技術大学院大学

メムキャパシタと自律局所学習を用いるニューロモーフィックシステムを開発
超コンパクト・低電力消費の人工知能への応用を期待

ポイント

• メムキャパシタと自律局所学習を用いるニューロモーフィックシステムを開発した。従来の人工知能と比べると、劇的なコンパクト化・低電力消費が期待できる。
• メムキャパシタとして、強誘電体キャパシタを用いることで、構造を単純なものとし、薄膜の液相プロセスを用いることで、作製プロセスも単純なものとしており、将来の高集積化が容易となる。DC電流が無く、過渡電流も減り、電力消費が大幅に減る。
• 自律局所学習として、メムキャパシタのヒステリシス特性を上手く利用することにより、結合強度の制御回路など無しに、ニューロモーフィックシステムに学習させることができ、やはり将来の高集積化が容易となる。
• 研究の成果は、「IEEE Transactions on Neural Networks and Learning Systems」（Impact Factor=10.451）に掲載。

【概要】

【研究の背景】
　「人工知能」は、現在、さまざまな用途に用いられ、将来、SDGs・Society 5.0・IoTといった未来社会に不可欠な情報インフラです。人工知能のための代表的な技術が、生物の脳の機能を模倣することで、自己組織化・自己学習・並列分散処理・障害耐性などの特長をもつ「ニューラルネットワーク」です。しかしながら、従来のものは、ハイスペックなハードウェアで実行される複雑・長大なソフトウェアで、人工知能のために最適化されておらず、コンピュータのサイズは巨大で、電力消費は膨大であり、また、並列分散処理・障害耐性などの特長は限定的でした。ニューラルネットワークを基本的なハードウェアのレベルから生体の脳の構造で模倣し、ニューロン素子やシナプス素子を実装するのが、「ニューロモーフィックシステム」です。しかしながら、従来のものは、人工知能としての最適化が不十分で、上記の特長は完全には得られていませんでした。この原因は、(1) 大規模な模倣回路やメモリスタ（可変抵抗素子）を使うため、DC電流・過渡電流が大きく、電力消費が大きい (2) 大規模なシナプス素子の結合強度の制御回路を使うため、サイズが大きいということによります。

【研究の目的】
　そこで、本研究では、ニューロモーフィックシステムにおいて、(1) 模倣回路やメモリスタ（可変抵抗素子）の代わりに、メムキャパシタ（可変容量素子）を用いるため、DC電流が無く、過渡電流も減り、電力消費が大幅に減る (2) シナプス素子の結合強度の制御回路の代わりに、自律局所学習を用いるため、サイズが小さいということを目的とします。

【メムキャパシタ】
　メムキャパシタは、印加電圧の履歴によりキャパシタンスが変化する回路素子です。本研究では、強誘電体キャパシタを用いることで、構造を単純なものとし、Bi_3.25La_0.75Ti₃O₁₂(BLT)の薄膜の液相プロセスを用いることで、作製プロセスも単純なものとしており、将来の高集積化が容易となります。ここでは、クロスバー型でメムキャパシタを作製し、印加電圧の履歴により強誘電体キャパシタの自発分極が変化することで、キャパシタンスが変化する回路素子を実現しています。

メムキャパシタ

【自律局所学習】
　自律局所学習は、単一素子が自分自身の駆動条件のみで特性を変化させる学習方式であり、やはり将来の高集積化が容易となります。メムキャパシタの電圧履歴のキャパシタンス特性を上手く利用することにより、シナプス素子の結合強度の制御回路など無しに、メムキャパシタだけで、ニューロモーフィックシステムに学習させることができます。学習フェーズでは、シンプルに、クロスバー型の横電極と縦電極に電圧を印加するだけで、必要なキャパシタンスの変化が誘起されます。推論フェーズでも、シンプルに、横電極に電圧印加し、縦電極の電圧を読み取るだけです。

自律局所学習

【ニューロモーフィックシステム】
　メムキャパシタと自律局所学習を用いるニューロモーフィックシステムを、実際に組み立てました。アルファベットの「T」と「L」を記憶させ、わずかに異なるパターンを入力するとき、記憶した「T」または「L」のより近いほうが出力されることを確認しました。この動作は「連想記憶」というもので、文字認識や画像認識に直接に応用できるものであると同時に、問題設定により、さまざまな人工知能の取り扱う課題に応用できるものです。

ニューロモーフィックシステム

連想記憶の実験結果

【研究の意義と今後の展開】
　従来の人工知能では、たとえば、いま最も有名なコグニティブシステムは、サイズは冷蔵庫10台ほど、電力消費は数百kWと言われています。本研究の基本的な成果をもとに、同様の機能のシステムを構築することを想定すると、サイズはLSI 1チップ、電力消費は20W程度と、劇的なコンパクト化・低電力消費が期待できます。SDGs・Society 5.0において、世界的なエネルギ危機を回避し、IoTにおいて、各々の機器へ搭載することが可能となります。なお、先行研究として、メモリスタと外部学習を用いるニューロモーフィックシステム（M. Prezioso, Nature, 521, 61, 2015）と比較すると、本研究で同様の機能が、低電力消費のメムキャパシタと、外部学習なしの局所自律学習で、実現できています。

【論文情報】

令和3年9月3日

国立大学法人 大阪大学 国立大学法人 北陸先端科学技術大学院大学 国立大学法人東海国立大学機構 岐阜大学

マイクロロボットを"流れ"作業で迅速に作製
－生体分子モーターによる人工筋肉で自在にプリント・動的再構成可能に－

【ポイント】

• マイクロ流路^※1の中で、光に応答する材料を流しながら、マイクロロボット^※2のボディと駆動源となるアクチュエータ^※3を連続的に生産・組み立てを行う「マイクロロボットその場組み立て法」を開発
• 様々な機能をもつマイクロロボットの迅速な作製に成功
• より高機能なマイクロロボットの実現と、マイクロロボットの量産化に期待

【概要】

【研究の背景】

　マイクロロボット、特に柔軟な構造を持つロボットは、生物医学などの分野で非常に幅広い応用の可能性があるものの、小さなロボットにアクチュエータなど様々な機械部品を組み込むことは困難で、高機能のマイクロロボット開発の障害となっています。従来の方法では、通常、機械構造やアクチュエータなど、マイクロロボットの様々な部品を異なる場所で製造し、一つ一つ組み上げていくピック アンド プレース アセンブリによってマイクロロボットがつくられていました。この方法は時間と労力がかかり、また多くの制限があることが課題となっています。

【研究の内容】

　本研究では、自然界の生体内システムの自己組織化プロセスに着想を得て、2021年に発表したプリント可能な生体分子モーターからなる人工筋肉⁽¹⁾⁽²⁾に基づき、ロボット部品をその場で加工・組み立てしてマイクロロボットを製造する方法を開発しました。マイクロ流路内で、マスクレスリソグラフィー^※5により、ハイドロゲル材料の機械的構造をプリントし、次に生体分子モーターからなる人工筋肉がハイドロゲル機構の狙った位置に直接プリントすることで、機構を駆動して目的の仕事を実施します(図1) 。 このその場組み立てにより、マイクロロボットを迅速に次々と生産することができます。
　また、マイクロロボットに新しい人工筋肉を再プリントすることにより、アクチュエータを迅速に動的再構成し、複雑な仕事を行うマイクロロボットを実現しました（図2）。

　さらに、生体分子モーターを使用する本研究とは異なる、生きた筋肉細胞を用いるアプローチとして細胞ハイブリッドロボット^※6が注目されています。細胞ハイブリッドロボットは、柔軟性が高く、環境負荷が低いという利点があるものの、筋肉細胞の培養に数日かかってしまうという問題があります。本研究では、設計の柔軟性を向上させながら、製造プロセスを大幅に簡素化することに成功しました。今後のオンチッププリンティング技術の向上や人工筋肉の性能向上により、現在の細胞ハイブリッドロボットのボトルネックを打破し、実用化に向けた一歩を踏み出すことが期待される手法であると考えています。
(1) https://www.nature.com/articles/s41563-021-00969-6
(2) https://www.jaist.ac.jp/whatsnew/press/2021/04/20-1.html

図１　マイクロロボットその場組み立て法

図２　その場組み立て法によって製造したマイクロロボットが生体分子モーターからなる人工筋肉によって駆動する様子

【本研究成果が社会に与える影響（本研究成果の意義）】

　今回の研究により、自然界の生体分子モーターによって運動が創発する自己組織化現象をオンチップ微小空間上で工学的に制御し、自在にデザインできる加工プロセスをボトムアップ的な発想でより簡便に実現できました。これにより、これまで超微小部品をトップダウン的に組み立てることが大きなボトルネックであったために遅れていた、マイクロロボットの組み立てやマイクロソフト機構のオンデマンド生産が可能になりました。今後、様々な機能を付与したマイクロロボットがオンチップ上で連続的にオンデマンド生産することが可能になり、化学エネルギーだけで駆動する超小型マイクロロボットが健康医療応用など様々な分野に展開、波及していくことが期待できます。

【特記事項】

　本研究は、日本学術振興会（JSPS）科研費 基盤研究（S）（課題番号22H04951）、基盤研究（A）（課題番号22H00196）、基盤研究（B）（課題番号19H0２106）、学術変革領域研究(A)（課題番号21H05880）、挑戦的萌芽研究（課題番号21K18700）、新エネルギー・産業技術総合開発機構（NEDO）「次世代人工知能・ロボット中核技術開発」（JPNP15009）の支援を受けて行われました。

【論文情報】

【用語説明】

【SDGs目標】

【参考URL】

　森島圭祐教授 研究者総覧URL https://rd.iai.osaka-u.ac.jp/ja/90351526dc15ef59.html
　生命機械融合ウェットロボティクス領域URL　http://www-live.mech.eng.osaka-u.ac.jp/

令和4年8月26日