　現在、温暖化がグローバルに進行する中で、燃焼時に二酸化炭素を発生させる化石燃料の代替エネルギーとして水素に注目が集まっている。水素は燃焼時に二酸化炭素を発生させずに熱エネルギーを生むため、環境負荷が低いとされている。ただ、水素ガスは気体状態では体積が大きく、そのままでは運搬や保存には不向きだ。そのため一度冷凍して液体化させることにより、体積を圧縮する必要がある。

水素ガスの運搬、保存時には液化させて体積を圧縮させる［クリックして拡大］出典：NIMS

NIMS 国際ナノアーキテクトニクス研究拠点のグループリーダーを務める高野義彦氏

　NIMS 国際ナノアーキテクトニクス研究拠点のグループリーダーを務める高野義彦氏は「水素ガスは20K（-253℃）の極低温で冷凍することで液体になり、体積を約800分の1程度にまで圧縮できる。ただ冷凍方法にはいくつかの種類があるが、従来採用されていたエアコンで水素を冷凍する『気体冷凍』という手法は、冷凍時のエネルギーロスが大きいという問題点があった。これに対してわれわれが新たに取り組んだのが磁気熱量効果を利用した『磁気冷凍』という手法だ。物質の中には磁場をかけるとエントロピー変化による磁気冷凍性能を発揮するもの（磁気冷凍材料）がある。これを利用して水素ガスを冷凍すると、気体冷凍よりもエネルギーロスを抑えられる。これにより、将来的に安価な液体水素の提供が可能になるかもしれない」と説明する。

磁気冷凍の方が気体冷凍よりもエネルギーロスが少ない［クリックして拡大］出典：NIMS

　そこで高野氏らのチームは高い冷凍性能を持つ磁気冷凍材料を効率的に発見するため、機械学習の手法を通じて合成指針を得ることにした。「物質組成とエントロピー変化量が既知である物質のデータを1644個収集して、手作りの磁性体データセットとしてそろえた。データは関連論文から手動で収集した他、論文から自動的にデータを抽出させるテキストデータマイニングの手法も併用した。データセットの80％を使って、アンサンブル学習と決定木手法を組み合わせた勾配ブースティング手法であり、データ解析手法として評価が高い『XGboost』を使って学習モデルを作成。学習モデルの精度を確かめるため、残りの20％のデータを使い、物質の組成データからエントロピー変化量を予測させたところ、高精度で予測できることが確認された」（高野氏）。