電気自動車（EV）では磁性材料の「エネルギー損失（鉄損）」が心臓部の効率低下要因となっている。それはモーター全体の3割を占め、世界で年間約6億トンのCO₂排出に相当する深刻な課題だが、当該損失の機序の解明は未だなく、材料設計のボトルネックになっていたという。
東京理科大学 先進工学部 マテリアル創成工学科の研究グループは、数学のトポロジーと熱力学の自由エネルギーの概念を組み合わせて、構造―機能―因果をホワイトボックス的に接続できる次世代の説明可能AI「拡張型自由エネルギーモデル」を用いて、モーターに使われる無方向性電磁鋼板（NOES）のエネルギー損失の原因を明らかにした。一般的な磁性材料NOESを対象に、根本的なエネルギー損失の原因に迫れた。
同モデルによる解析の結果、エネルギー損失が増大する場所を顕微鏡画像上に可視化できた。従来一括りにされてきた複雑な磁壁（磁区の境界層）の役割を見分けて、その位置を「見える化」することに世界で初めて成功した。これは実際の材料に潜んでいた知見を引き出す新たなアプローチとなる。
「拡張型自由エネルギーモデル」はミクロな構造とマクロな機能を階層を超えて接続するものであるため、定性的・主観的解析が中心だった各種機能性材料への応用も可能。多岐にわたる機能性材料の改善基盤となりうる手法であり、環境エネルギー材料の創製を通じて幅広い社会課題の解決に資すると期待される。
今月15日に国際学術誌Scientific Reportsに掲載された、今回の手法は、物理とデータ科学を融合した次世代の説明可能AI、そしてAI for Science（AI4Science）を象徴する技術だ。熱力学の汎用性を活かして、半導体デバイスや電池材料など多様な環境エネルギー材料への展開も望めるという。研究グループは、エネルギー利用の最適化を通じて、未来社会の実現に貢献していく考えだ。