東京理科大学など、説明可能AIと富岳の計算で軟磁性材料の高周波損失を解析。損失を生む磁壁は反転した磁区の先端部などに集中

東京理科大学は11月17日、同大学の小嗣真人教授や京都大学、ドイツのマインツ大学などの研究グループが、説明可能AIとスーパーコンピューター「富岳」を使い、軟磁性材料を高い周波数で動作させるときに生じるエネルギー損失の原因を調べたと発表した。論文は同日、学術誌「NPG Asia Materials」に掲載された。
軟磁性材料は、データセンターや電気自動車で電力を変換するインダクターやインバーターに欠かせない材料だ。動作の周波数が上がるほど材料の中で失われるエネルギーは増え、メガヘルツの帯域では特に大きくなる。これまでは経験則で損失を評価しており、磁区(磁気の向きがそろった小さな領域)どうしの境目にあたる磁壁のうち、損失を生んでいるのがどの部分かは分かっていなかった。
研究グループはこれまでに説明可能AI「拡張型自由エネルギーモデル」を開発し、磁性材料の磁区の構造と性質の関係を解析してきた。拡張型自由エネルギーモデルは、数学のトポロジーと熱力学の自由エネルギーの考え方を組み合わせ、解釈可能な機械学習で材料の構造の変化と自由エネルギーを結びつけて解析する。
今回は、ナノ結晶の軟磁性材料のうちFINEMET型と呼ばれる材料を理想化した計算用のモデルを用意した。研究グループは「富岳」で大規模なシミュレーションを行い、100キロヘルツ、1メガヘルツ、10メガヘルツで磁化が反転する過程を計算した。得られた磁区の画像からパーシステントホモロジー(図形のつながり方を数値で表す数学の手法)で構造の特徴を取り出し、主成分分析で少ない次元にまとめて磁壁のエネルギーと対応づけた。
解析の結果、磁化の反転を妨げるエネルギーの障壁が保磁力の付近で生じ、周波数が高いほど大きくなった。高い周波数では磁区が細かく分割されることも分かった。
さらに、障壁を表す特徴が元の磁区の画像のどの位置に対応するかを調べた。その結果、損失に寄与する磁壁は反転した磁区が広がる先端部と、そこから伸びる微細な磁壁の一部に集中していた。同じように見える磁壁でも、場所によって磁化の反転を妨げる働きの大きさが異なることが示された。
今後について研究グループは、高輝度の放射光や時間分解カー顕微鏡などで得た実験データに今回の解析手法を適用すれば実際の材料の損失を解析でき、渦電流や磁歪などの影響も取り込めば損失をより幅広く把握できるとみている。
また、自由エネルギーの考え方は磁性材料に限らず応用できるため、研究グループは半導体や電池など、環境やエネルギーの分野で使うほかの材料への展開も見込む。今回の成果は、AIで科学研究を速める「AI for Science」の実現に役立つものと位置づけられている。
【関連サイト】東京理科大学「説明可能AIで時空間磁気ゆらぎの起源を解明~拡張型自由エネルギーモデルでEV・データセンターの省エネ化へ~」









