　現場パラメータとは、温度、回転数、配合比、処理時間といった、人間や装置が直接操作できる設定値のことです。私たちが現実の世界で直接触れることのできる座標軸です。対して本質パラメータとは、山ほどある変数の中から、目的の価値（例：物性やデバイス性能、コスト、環境負荷、他部材との適合性など）を生むメカニズムを最もよく記述するだろうと設計者が仮説を持って抽出する変数です。材料内部の状態を表現するもの（例：相分率や欠陥密度、粒径分布）が多いでしょう。

表1：現場パラメータと本質パラメータ［クリックで拡大］

　しかし現実的な環境においては、この本質パラメータを直接観測することが困難な場面が多々あります。たとえ原理的に直接測定が可能であったとしても、それには膨大な時間や過度なコスト、あるいは熟練の技術を要することが珍しくありません。また、測定のためにサンプルを破壊しなければならない（非破壊検査ができない）といった制約も、開発のスピードを大きく削ぐ要因となります。

　そこで、本質パラメータそのものをリアルタイムに測れずとも、それと強く相関し、かつ現場で安く、速く、簡便に測定可能な変数を記述子として設計することも重要です。例えば、材料内部の微細構造を直接見る代わりに、インプロセスで得られる加工負荷の変動や特有の周波数成分を代理として監視します。どのパラメータを本質への架け橋にするか、という問いの立て方が、限られたリソースの中で最適解にたどり着くための研究開発者の知恵だと感じています。

3.AI／MIが担う「本質」への架け橋

　前述の通り、仮説的な座標軸として選択した記述子が物質のどのメカニズムを反映しているのか、あるいは研究開発の意思決定においてどのような意味を持つのかを解釈し、採用するかどうかを判断するのは研究開発者の役割です。MIの重要な役割の一つは、その座標軸の候補をデータから提案することにあります。

　近年では、AIがデータから潜在的な構造を抽出し、新しい表現や変数の候補を提示することが可能になっています。例えば、複数の計測信号やプロセス履歴を統合的に解析することで、従来は明示的に扱われていなかった状態変数のようなものが浮かび上がる場合があります。また、多数のプロキシデータの中に潜む相関構造を学習することで、現場パラメータの世界から本質パラメータの世界への写像を構築することもできます。直接観測が難しい内部状態を、データから推定するための橋渡しとしてAIが機能するわけです。

　一方で、パラメータ空間が設計された後の探索と最適化は、AIが特に得意としてきた役割です。ベイズ最適化などの手法を用いることで、探索すべき空間の中から有望な条件を効率よく提案し、実験回数を抑えながら性能の高い領域へ到達することが可能になります。逆に言えば、探索空間そのものの設計が適切でなければ、どれほど高度なアルゴリズムを用いても効果は限定的になります。研究開発者が本質パラメータの仮説を立て、探索すべき空間を定義します。その上でAIが探索を加速するという役割分担になります。

　実際の研究開発では、この最適化の過程は必ずしも直線的ではありません。探索を進める中でパラメータの見直しが行われ、空間の定義そのものが更新されることもあります。こうした試行錯誤を動的に繰り返しながら、目的の価値との相関が大きい因子群の特定に少しずつ近づいていき、その後のスケールアップフェーズにつながる知見も蓄積されます。

　本稿では、どの空間で問題を記述するかという視点から、本質パラメータの設計について考えてきました。現実の研究開発では、本質パラメータを直接観測できるケースは多くありません。見えない内部状態をどのように扱い、どのように設計に結び付けていくのか。次回は、この問題をさらに整理しながら、研究開発における「見えない状態」の扱い方について考えていきます。

⇒連載バックナンバーはこちら

筆者紹介

MI-6 代表取締役 Co-founder / miLab 編集長入江満（いりえみつる）

東京工業大学・大学院（現：Science Tokyo）においてバイオインフォマティクスを専攻。総合シンクタンク、ITベンチャーを経て、当社共同創業。"MI"を基軸にした解析サービスおよびプロダクトの開発をけん引。現在は事業・プロダクト・R&Dの責任者として執行全般を統括。

参考文献：

［1］AI for Science時代に求められる研究開発者像

［2］AI時代の研究開発におけるノウハウの価値とインフォマティクスの役割

技術とマネジメントの両輪から考えるR&Dイノベーション
本連載ではマテリアルズインフォマティクス（MI）の基礎知識について解説。第1回は、R&Dでイノベーションを起こすために必要な技術とマネジメントの考え方やMIの位置付けについて紹介する。
AI時代の研究開発におけるノウハウの価値とインフォマティクスの役割
本連載ではマテリアルズインフォマティクス（MI）の基礎知識について解説。第2回は、AI時代の研究開発におけるノウハウの価値とインフォマティクスの役割を、比喩表現などを用いて紹介する。
AI for Science時代に求められる研究開発者像
本連載ではマテリアルズインフォマティクス（MI）の基礎知識について解説。第3回は、日本でも政策レベルで登場してきた「AI for Science」の概念をこれまでの文脈にのせて紹介する。
MI-6のソリューション　素材開発工数「4分の1」と期間を「10年から半年」に
本連載ではマテリアルズインフォマティクスに関する最新の取り組みを取り上げる。第6回は、MIやロボティクス技術などを応用したサービスとソフトウェアの研究、開発、提供を行うMI-6の取り組みを紹介する。
材料開発領域で分析装置とデータ解析基盤の連携を検討開始
リガクとMI-6は、材料開発領域でのデータ利活用に関する協業可能性を検討する基本合意書（MOU）を締結した。分析装置とデータ解析基盤をシームレスに連携させて、新材料創出にかかる期間の大幅な短縮を目指す。