アンサンブル機械学習によって生分解性ポリマーの物性を予測～不確実性の可視化によりカーボンニュートラルと資源循環に貢献する新材料開発を加速～

皆さんは、「プラスチックごみ問題」や「地球温暖化」といった言葉をニュースでよく耳にするのではないでしょうか。私たちの便利な生活を支えるプラスチックは、その一方で、使い終わった後の処理が大きな課題となっています。そこで注目されているのが、「生分解性ポリマー」という種類のプラスチックです。これは、微生物の力で水や二酸化炭素に分解されるため、環境への負荷が少ないと期待されています。

今回、京都工芸繊維大学の研究チームが発表したのは、この生分解性ポリマーの一種である「脂肪族ポリカーボネート（APC）」という材料の性質を、人工知能（AI）の一種である「アンサンブル機械学習」という技術を使って、より正確に予測する方法を開発したというニュースです。

「ガラス転移温度（Tg）」という言葉は聞き慣れないかもしれませんが、これはプラスチックが硬い状態からゴムのように柔らかくなる温度のこと。この温度は、そのプラスチックがどんな製品に使えるかを決める非常に大切な性質なんです。例えば、冷凍食品の容器なら低い温度でも割れないように、車の内装部品なら夏の暑さで変形しないように、といった具合に、用途によって適切なガラス転移温度を持つ材料を選ぶ必要があります。

これまでは、新しい材料を作るたびに実際に実験してこの温度を測る必要がありました。でも、それは時間もお金もかかる大変な作業です。そこで、AIの出番です。AIに過去のたくさんのデータ（材料の構造とガラス転移温度の関係）を学習させることで、「この構造の材料なら、だいたいこのくらいのガラス転移温度になるだろう」と予測できるようになります。これにより、実際に材料を作る前に、どんな構造の材料を作れば狙った性能が出せるかを効率よく見つけられるようになるわけです。

さらに今回の研究のすごいところは、ただ予測するだけでなく、その予測が「どれくらい確かなのか（不確実性）」も一緒に教えてくれる点です。AIの予測は万能ではありませんから、たまには「これはちょっと自信がないな」という予測も出てきます。その「自信のなさ」を数字で示してくれることで、研究者は「この材料は予測の信頼性が高いから、すぐに実験してみよう」「この材料は予測がちょっと怪しいから、別の方法も考えてみよう」といった判断を、より賢く、効率的に行えるようになります。

この技術が進めば、環境に優しい新しいプラスチック材料の開発が、これまでよりもずっと速く、そして正確に進むことになります。私たちの未来の暮らしをより良く、より持続可能なものにするための、大切な一歩と言えるでしょう。