　フレキシブル透明フィルムの開発において、要求特性を満たすポリマーの探索にAIを活用した。まず、27種類のフィルムを作成し、その原料の分子構造、配合比などの化学的な情報を独自の手法で説明変数に落とし込む。目的変数には相反する換算透過率、破断応力、伸びの3項目を選択し、その実測データをAIに学習させた。

　さらに、多数の分子構造データを用意し、偏差値概念を導入したAIに3項目が等しい割合で最大となるフィルムの配合を予測させ、その配合の通りにフィルムを作成して物性値を評価。同様に27種のフィルムのデータを実測した熟練研究員が、自己の知見に基づき作成したフィルムの物性値と比較した。

　その結果、AI予測の配合で作成したフィルムの物性値は27種のフィルムの物性値を超えるだけでなく、熟練研究員が作成した25種類のフィルムの物性値よりも優れていることが判明した。

計算とプロセスの連携イメージ、実験回数の評価フロー出典：産業技術総合研究所

　以上のことから、並立しにくい物性を求める開発にAIを用いることで、研究者の知見に基づく実験に比べて実験回数を25分の1以下に削減でき、かつ研究者の経験知を超える開発も可能であることを実証した。これにより、相反する複数の要求特性がある機能性材料開発への応用展開が期待できる。

AIにより高効率にフレキシブル透明フィルムを探索できることを実証出典：産総研

「FAニュース」バックナンバー

第4次産業革命で変わる検査と品質向上の取り組み
製造業の産業構造を大きく変えるといわれている「第4次産業革命」。本連載では、第4次産業革命で起きていることや、必要となることについて、話題になったトピックなどに応じて解説していきます。第21回となる今回は、IoTやAIを活用することで品質向上への取り組みがどのように変化するのかという点を紹介します。
品質不正問題にどう立ち向かうのか、抜本的解決のカギはIoTと検査自動化
2017年の製造業を取り巻く動きの中で、最もネガティブな影響を与えたのが「品質不正」の問題だろう。「日本のモノづくり」のブランド力を著しく傷つけたとされるが、2018年はこの問題にどう対応するのかという点は、全ての製造業の命題である。人手不足が加速する中、解決につながる「仕組み」や「ツール」に注目が集まる1年となる。
IoT時代にどう立ち向かうか、自動検査の位置付けを変えたマインドセット
「検査装置は不具合を見つける装置ではなく、不具合を出さないためのものだ」――。基板実装ラインなどで使われる外観検査装置で好調を続けるサキコーポーレーションだが、成功の土台には「マインドセット」の取り方にあったという。サキコーポレーション社長の秋山咲恵氏の講演の内容をお届けする。
AIと機械学習とディープラーニングは何が違うのか
技術開発の進展により加速度的に進化しているAI（人工知能）。このAIという言葉とともに語られているのが、機械学習やディープラーニングだ。AIと機械学習、そしてディープラーニングの違いとは何なのか。
世界を変えるAI技術「ディープラーニング」が製造業にもたらすインパクト
人工知能やディープラーニングといった言葉が注目を集めていますが、それはITの世界だけにとどまるものではなく、製造業においても導入・検討されています。製造業にとって人工知能やディープラーニングがどのようなインパクトをもたらすか、解説します。
人工知能は製造現場でどう役に立つのか
人間の知的活動を代替するといわれる人工知能が大きな注目を集めている。ただ、製造現場で「使える」人工知能は、一般的に言われているような大規模演算が必要なものではない。「使える人工知能」に向けていち早く実現へと踏み出しているファナックとPFNの取り組みを紹介する。