　今回の研究で用いたのは、マルチフィデリティモデリングと呼ばれるデータ科学の手法だ。高精度なデータ（高フィデリティデータ）の不足を、精度は低くても数が多いデータ（低フィデリティデータ）で補い、全体的な予測精度を向上させる。1つの入力データに対し、複数の異なるフィデリティのデータを出力する非線形自己回帰ガウス過程回帰（Nonlinear Auto-Regressive Gaussian Process regression：NARGP）でデータ間の関係を取り入れ、高フィデリティデータを予測する。

マルチフィデリティモデリングでは、入力データxに対して低フィデリティ出力データy0と高フィデリティ出力データy1が存在する。NARGPでは異なるフィデリティ間の相関を取り入れて予測モデルを作成する［クリックで拡大］出所：京都大学

　研究グループは、低解像度および高解像度シミュレーションデータの統合、核融合プラズマ実験データに基づく乱流拡散係数の予測、簡易理論モデルと乱流シミュレーションデータの統合などの事例に適用。マルチフィデリティデータ融合手法により、予測精度が向上することを確認した。

理論やシミュレーションによる乱流輸送の推値を低フィデリティデータ、実験で観測したプラズマ閉じ込め性能データを高フィデリティデータとしてデータ間の相関を取り入れることで、高フィデリティデータの不足を補い、より正確なプラズマ閉じ込め性能の予測モデルを作成する［クリックで拡大］出所：京都大学

　理論とシミュレーションの予測力と実験データによる定量的な情報を組み合わせた新手法により、核融合炉の性能予測や設計の最適化に寄与する。また、汎用手法として、他分野への応用も期待される。

⇒その他の「研究開発の最前線」の記事はこちら

シリコンエッチングプロセスの触媒として使用できるGNRの製造法を開発
京都大学は、室温で酸素ドープ型グラフェンナノリボンを合成可能な、新しい炭素細線製造法を開発した。貴金属触媒や炭素系触媒を上回る触媒活性で、シリコンエッチングプロセスの触媒として使用できる。
フッ化物イオン導電性固体電解質の原子配列の乱れとイオン伝導経路を解明
京都大学は、フッ化物イオン導電性固体電解質のイオン伝導の仕組みを原子レベルで解明した。イオン半径が異なるCaとBaを混合したことで構造歪みが生じ、局所的にFの原子配列が乱れることが分かった。
低温下のステンレス鋼で延性を失わずに高強度化できるメカニズムを解明
京都大学らは、低温下のステンレス鋼で延性を失わずに高強度化できる手法を発見し、メカニズムを解明した。ステンレス鋼の結晶粒を1ミクロン以下に超微細化することにより、低温での延性と強度を両立できる。
ペロブスカイトを用いた半導体を光学冷却させることに成功
千葉大学は、ハロゲン化金属ペロブスカイトを活用し、半導体を光で冷却させる半導体光学冷却の実証に成功した。光学冷却はオージェ再結合による限界があり、励起光強度に依存して冷却から加熱へと変化することが明らかになった。
リブ部分のみを発泡させ樹脂部品の軽量化と強度向上を実現する新たな発泡成形技術
マクセルは、マクセルの発泡成形技術「RIC－FOAM（Resilient ＆ Innovative Cellular Foam）」を応用し、補強構造体であるリブのみを部分的に発泡させることで、軽量化と曲げ荷重による変形抑制およびきれいな外観を実現する新たな発泡成形技術を開発したと発表した。