損失は、材料の「どこ」で生まれるのか
電力を無駄なく使うには、半導体だけを改良すればよいわけではない。電気を望みの電圧や周波数に変える装置には、磁気を利用する小さな部品が欠かせない。変圧器、インダクターなどの内部で磁化が繰り返し反転すると、エネルギーの一部は失われる。材料全体でどれだけ損失が生じるかを測れても、その原因が微細構造の「どこ」にあるかは、簡単には見えなかった。
11月17日、東京理科大学、筑波大学、岡山大学、京都大学、東北大学、ドイツのマインツ大学などによる研究グループは、説明可能AIとスーパーコンピューター「富岳」を組み合わせ、軟磁性材料における高周波磁化反転のエネルギー障壁を、磁壁の特定部分に結び付けて可視化したと発表した。成果は同日、学術誌「NPG Asia Materials」に掲載された。
研究を率いたのは東京理科大学先進工学部マテリアル創成工学科の小嗣真人(こつぎ・まさと)教授ら。西岡宏祐氏を筆頭著者とする論文は、ナノ結晶軟磁性材料を模した計算結果から、磁区の反転が進む先端部と一部の微細な磁壁が、エネルギー障壁に大きく関わると示した。ただし、これは実際の装置で消費電力の削減を実証したという発表ではない。
「軟磁性」とは柔らかい磁石のことではない
軟磁性材料は、外から加える磁界に応じて磁化の向きを変えやすい材料を指す。手で押すと柔らかいという意味ではない。磁化しやすく、磁界を取り去った後に磁化を残しにくい性質が求められるため、電気を高速で変換する回路に適している。永久磁石などの「硬磁性材料」とは役割が異なる。
内部には、磁気の方向がほぼそろった小領域「磁区」があり、その境界が「磁壁」である。磁界が変わると磁壁が移動し、形を変え、磁区が広がったり縮んだりする。多数の磁壁が同時に動くため、測定された損失と、特定の場所の働きを一対一に対応させることが難しい。
高周波では、この複雑な動きが短い時間に何度も繰り返される。磁化の追従が遅れることや、誘導される電流、材料の構造・応力など複数の要素が損失に関わる。今回の成果を「すべての損失の原因が一つ見つかった」と受け取るのは誤りだ。
富岳で追った三つの周波数
研究チームはFINEMET型の鉄系ナノ結晶軟磁性材料を想定し、大規模なマイクロマグネティクス計算を実施した。周波数は100キロヘルツ、1メガヘルツ、10メガヘルツの三条件。現物をこの三つの条件で連続撮影したのではなく、計算機上で磁化の向きと磁区の変化を追跡した。
結果として、高周波になるほど磁区構造は細かく分かれ、磁化反転が進む際に形成されるエネルギー障壁が高くなる傾向を確認した。とりわけ保磁力付近、すなわち磁化の向きを変えるための外部磁界との関係が重要になる領域で、周波数に依存した違いが現れた。
「富岳」は理化学研究所などが開発を進め、2021年3月9日に共用を開始したスーパーコンピューターである。今回の研究で価値を持ったのは計算速度の大きさそのものより、微細な磁区の時間変化を大量に計算し、後の解析に利用できるデータを用意した点にある。
形を数字にする――パーシステントホモロジー
磁区の画像は複雑だ。枝分かれする境界線、閉じた輪、細かく伸びる部分が混在する。研究チームが使った「パーシステントホモロジー」は、画像やデータに含まれる連結性や穴などの形の特徴を抽出する、トポロジーに基づく数学的手法である。単に色の濃淡を数えるのとは異なる。
得られた多くの特徴量を主成分分析で整理し、磁壁に関わるエネルギーとの対応を学習・解析することで、磁区構造の特徴とエネルギー障壁との関係を人が理解できる形で表した。研究グループはこの枠組みを「拡張型自由エネルギーモデル」と呼ぶ。
説明可能AIの核心は、単に「損失が大きい」と予測することではなく、予測の根拠として、画像のどの構造が関係するかまで戻って説明する点にある。高い精度の数値予測だけで終わるAIとは、研究者が得られる問いの深さが違う。
抵抗する磁壁と、動きを助ける磁壁
研究者が特徴量を元の磁区画像に「逆写像」すると、エネルギー障壁に寄与する場所が、磁壁全体へ均一に広がっているわけではなかった。磁化が反転した領域の進展する先端や、そこから伸びる細かな壁の一部に寄与が集中していた。
この結果は、同じ磁壁として一括りにされてきた構造に、磁化反転を妨げる働きと、むしろ進行を助ける働きの差があることを示唆する。どこを制御すれば磁化が滑らかに反転するか、という設計上の問いにつながる。
研究成果の価値は、複雑な画像に「重要な場所」を描き込めたことにある。ただし、論文が示すのは計算上の磁壁エネルギー障壁に対する寄与であり、強調された点がそのまま発熱量を測定した位置を表すわけではない。
「エネルギー障壁」と「熱として失われた電力」は違う
今回の発表の解釈で、とりわけ大切な注意点がある。原著論文と大学の英文解説が焦点を当てるのは、磁区構造に由来する交換エネルギーの障壁である。これを磁化反転時の損失に関係する因子として読むことはできるが、装置の発熱を直接測った測定値とは区別しなければならない。
実際の磁心損失には、ヒステリシス、渦電流、磁歪に伴う影響など、条件に応じて複数の寄与がある。研究チーム自身も今後、渦電流、磁歪、静磁エネルギーなどをモデルに取り込む必要性を説明している。材料の厚さ、形状、製造工程、温度、磁束密度も製品の性能に影響する。
したがって「今回のAI解析によってEVの電費が何%改善した」という数値は存在しない。研究は省エネルギー化の可能性を開く基礎的な知見であって、実機における削減効果の測定ではない。
1988年、日本の材料技術が拓いたナノ結晶合金
今回計算に使われたFINEMET型材料には、日本の材料開発の歴史が重なる。1988年、日立金属の吉沢克仁らは、鉄を主成分とする非晶質合金に銅とニオブを加え、熱処理で非常に細かな結晶を析出させる軟磁性合金を報告した。後にFINEMETとして広く知られるようになった。
1989年には吉沢克仁・山内清隆が「超微結晶軟磁性材料『ファインメット』の開発」を公表。微細な結晶粒と周囲の非晶質相を組み合わせる構造は、軟磁性と低損失を両立させる材料研究の重要な方向性となった。
その歴史を踏まえると、今回の新規性は「新しい磁性合金を発明した」ことではない。日本で育った材料技術を題材に、計算物理、位相幾何学、説明可能AIを接続し、従来は見分けにくかった磁壁の働きを解読しようとした点にある。
なぜEVとデータセンターが注目されるのか
電気自動車では、蓄電池の直流をモーター駆動に適した交流へ変えるインバーターや、補機に電力を供給する変換回路などが使われる。データセンターでも、サーバーへ安定した電力を送るために多数の変換装置が働く。その中の磁性部品の損失を減らせれば、電力と熱設計の両面で利点が生まれる可能性がある。
しかし半導体スイッチの周波数を高くすれば、受動部品を小さくできる場合がある一方、磁性材料側の損失が増えることもある。回路と材料の両方を設計しなければ、システム全体の効率は高まらない。
今回の解析は、部品設計者が「どの磁区変化が高周波の障壁を高めるのか」を探る手がかりになる。ただし、材料メーカーが設計ルールに落とし込み、試作品で測定し、長期信頼性まで検証する工程が残っている。
「AI for Science」は研究者の問いをどう変えるか
複雑な現象をAIが予測しても、なぜそうなるかを研究者が説明できなければ、材料の改良指針にはつながりにくい。今回の枠組みは、物理法則に関係するエネルギー情報と、磁区画像を数学的に整理した特徴量とを結びつけ、解釈できる形で元の画像へ戻す。
研究には東京理科大学のほか、筑波大学の三俣千春教授、岡山大学の大林一平教授、京都大学の平岡裕章教授、東北大学の岡本聡教授らが参加した。異なる専門分野――磁気物理、数理解析、計算科学、材料情報学――を組み合わせた成果といえる。
大学側は、今後、放射光測定や時間分解カー顕微鏡などの実験データへの応用を見込む。計算で得た構造上の手がかりが現実の物性評価とつながるかどうかが、次の検証になる。
次に問われるのは、現物で再現できるか
研究成果を産業へつなぐために必要なのは、同じ手法を異なる合金、粒径、薄帯の加工条件、駆動波形へ適用したときも説明力が保たれるかという確認だ。実材料の磁区は欠陥や応力、温度の影響を受ける。理想化した計算で見つかった特徴が、工業製品の複雑さの中でも支配的とは限らない。
同時に、今回の説明可能AIが提示した重要領域を材料設計や工程条件へどう変換するかも未解決だ。磁壁の形を変えられたとして、その改善が部品の実測損失や装置全体の効率へつながるか。新しい材料の組成、熱処理、形状の検討と検証が要る。
見えなかったエネルギーの壁に、研究者は新しい地図を描いた。その地図が次世代の変換装置を変えるかどうかは、これからの実験にかかっている。
一次資料・検証上の限界
東京理科大学・共同研究機関の2026年11月17日発表および公開論文を基に独自構成した解説。著者への直接取材・実機測定・解析コードの再計算は行っていない。研究論文の本文閲覧には配信側のアクセス制限があるため、大学公式の詳細説明と確認できた論文書誌情報を照合した。機器の電力削減率や製品採用の事実は確認できない。
