次世代AIで磁性材料のエネルギー損失の原因を解明～省エネルギーな次世代EV開発への応用に期待～

　平岡裕章 高等研究院教授は、谷脇三千輝 東京理科大学修士課程学生（研究当時）、小嗣真人 同教授らの研究グループと、次世代の説明可能AI「拡張型自由エネルギーモデル」を用いて、実際の磁性材料のエネルギー損失の原因を明らかにしました。

　電気自動車（EV）の心臓部であるモーターでは、磁性材料が発生する「エネルギー損失（鉄損）」が、大きな効率低下の原因となっています。この損失はモーター全体の約30％を占め、世界規模では年間約6億トンのCO₂排出に相当する深刻な課題です。しかしこれまで、その損失のメカニズムは詳しく解明されておらず、材料設計のボトルネックとなっていました。

　そこで本研究では、モーターに広く使われる無方向性電磁鋼板（NOES）を対象に、次世代の説明可能AI「拡張型自由エネルギーモデル」を用いて解析しました。本モデルは、数学のトポロジーと熱力学の自由エネルギーの概念を組み合わせて、構造―機能―因果をホワイトボックス的に接続できるモデルです。

　解析の結果、エネルギー損失が増大する場所を、顕微鏡画像上に可視化することができました。特に、これまで一括りにされてきた複雑な磁壁の役割を見分けて、その位置を「見える化」することに、世界で初めて成功しました。これは、実際の材料に潜んでいた知見を引き出す、新たなアプローチとなります。

　今回の手法は、物理とデータ科学を融合した次世代の説明可能AIであり、「AI for Science（AI4Science）」を象徴する技術です。熱力学の汎用性を活かして、磁性材料に限らず、半導体デバイスや電池材料など、多様な環境エネルギー材料への展開も期待されます。今後はエネルギー利用の最適化を通じて、未来社会の実現に貢献していきます。

　本研究成果は、2025年7月15日に、国際学術誌「Scientific Reports」にオンライン掲載されました。