曽我部研究室ではカーボンニュートラル（温室効果ガス排出量実質ゼロ）社会の実現に向けて、人工知能（AI）を用いた次世代エネルギーデバイスの開発、社会インフラシステムの最適化問題、量子コンピュータのアルゴリズム開発に取り組んでいます。主要研究領域として、強化学習、機械学習、確率最適化、量子アルゴリズム、量子（回路・機械）学習などの最先端研究を推進しています。

AI手法を用いた再生可能エネルギーシステムの最適化

太陽光発電や風力発電、地熱発電など再生可能エネルギーの普及に伴い、分散した電力を利用状況に応じて最適化しながら効率的に配電するスマートグリッド（次世代電力網）の導入が進んでいます。しかしながら、天候は変動するために電力需要の予測が難しく、強化学習を用いる従来のエネルギーシステムの最適化手法には再生可能エネルギーの導入が難しいという現状にあります。
こうした背景において、曽我部東馬准教授は不確実性や変動性のある電力需要の下でも効果的に運用できるエネルギー最適化の手法を研究しています。最近、単一のネットワークのみを使う強化学習に、リスク評価技術と複数のネットワークの出力値から総合的に判断するAIの一つであるアンサンブル学習を組み合わせた「アンサンブル強化学習」を導入し、分散型エネルギーシステムの最適化に成功しました。
アンサンブル強化学習をエネルギー分野に適用したのは初めてで、これによって「変わりやすい天候や未知の需要データに対しても、より柔軟に経済的な売電、買電の計画が行えるようになる」と曽我部准教授は考えています。カーボンニュートラル社会に向けたスマートグリッドによるエネルギーの有効活用が期待できます。

AI材料探索

一方、AIも昨今は一時のブームが過ぎ、画像認識や音声認識などの典型的な応用分野から、近年は物理や材料などの理工系分野に適用する流れに変わっています。ビッグデータをAIで解析し、化学構造や組成を設計するマテリアルズ・インフォマティクス（MI）は材料科学における「第4次革命」といわれています。
曽我部准教授はAIと材料科学を融合したこのMIの領域で、通常とは逆向きに材料探索を行う「逆設計」の手法で研究に取り組んでいます。順設計がある物質の材料特性を「予測」する手法であるのに対し、逆設計は所望の物性を持つ材料組成に「最適化」するという、いわば目標から手段を導く手法です。「現実で求められるのは逆設計の問題が大半である」（曽我部准教授）からです。

デバイスを逆設計する

このAIによる逆設計を、曽我部准教授は材料探索だけでなく、デバイスの設計にも生かしています。現在、取り組んでいるのが、壁面・窓用の透明型太陽電池の開発です。世界全体で毎年約18億6000万平方メートル以上の窓が設置されており、そのうち10％の窓を透明型太陽電池に置き換えると、最終的に世界の二酸化炭素（CO2）排出量の10％程度を減らせるといわれています。
そこで「透明型でエネルギー変換効率の高い壁面・窓用の太陽電池を開発する」という目標を達成するデバイスを逆設計しました。まず、透明化には2種類の方法があります。どのような物質でもある程度薄くすれば透明に見えるほか、物質間にスペースを設けることでも透明化できます。これが「厚みやスペースの制御による透明化」の方法です。

AIによる量子回路自動設計と最適化

曽我部准教授はAIを用いた最適化の技術をベースに、エネルギーシステムや材料探索、デバイス設計などの応用研究を進めていますが、第3の研究軸としてAIを導入した量子コンピュータ向けの量子制御アルゴリズムの研究も手がけています。現在、「量子＋AI」の研究の多くが、重ね合わせやエンタングルメントのような量子現象を利用して古典的な機械学習の問題を解決するという、いわゆる量子機械学習における量子ソフトウェアとAIの融合に特化しています。

【取材・文＝藤木信穂】