材料×AI

電球を作るとき、エジソンは、光る芯の材料を探して、世界中から、6000種類ともいわれる植物を集めて試しました。

当たりは、京都の竹。…総当たりで日本の竹やぶにたどり着く根性は、尊敬します。でも、もっと良い方法があるはずです。

電池、半導体、軽くて強い樹脂。新しい製品の裏には、たいてい、新しい材料があります。そして材料の開発は、とにかく時間がかかる。

混ぜる成分、割合、温度、時間。組み合わせはほぼ無限なのに、1つ作って測るだけで、何日もかかるからです。

そこで、過去の実験データを、AIに学ばせます。作る前に、性質を予測させる。有望な候補だけを、実際に作る。

いわば、レシピを見ただけで味を当てる係です。舌は肥えていませんが、読んだレシピの数だけは、誰にも負けません。

計算の世界も変わりました。原子1個1個の動きを、物理の法則から計算する方法は、正確ですが、遅い。数百個の原子が、限界でした。

その計算結果をAIに学ばせると、桁違いに速くなります。日本発のあるサービスは、従来の数万倍の速さをうたい、150を超える企業や研究機関が使っています。

さらに、結晶そのものを設計するAIも登場。Googleのチームは、新しい結晶の候補を、220万個、発表しました。

ただし専門家からは、物言いがつきました。すでに知られた構造が多い。役に立つかは、まだ分からない。「材料」と呼ぶには、早いのでは、と。

別のチームのAIは、硬さを指定して結晶を設計。実際に作って測ると、目標200に対して、169。なかなかです。ただ、作って確かめたのは、1種類だけ。

現場の成果もあります。2025年、日本の化学メーカー2社が、お互いのデータを暗号で隠したまま持ち寄って、AIに学ばせました。

ふつう2年から3年かかる開発が、1年未満に。手の内は見せずに、知恵だけ合わせる。大人の共同研究です。

忘れてはいけないのは、AIが出すのは「候補」だということ。画面の中の結晶は、割れもしないし、錆びもしません。

作れるか。量産できるか。10年もつか。そこを確かめるのは、いまも、手を動かす人たちです。

エジソンの時代と違うのは、竹やぶに入る前に、地図があること。それだけで、ずいぶん違います。