
東京理科大学の小嗣真人教授らの研究グループは、説明可能AI「拡張型自由エネルギーモデル」とスーパーコンピューター「富岳」を使い、電気自動車(EV)やデータセンター向けの軟磁性材料で、高周波時にエネルギー損失が生じる原因を明らかにした。筑波大学や岡山大学、京都大学、東北大学、独Mainz大学との共同研究で、成果は2026年11月17日に国際学術誌「NPG Asia Materials」にオンライン掲載された。
説明可能AIで軟磁性材料の損失を可視化
拡張型自由エネルギーモデルとは、熱力学の自由エネルギーをデータ科学で発展させた理論で、複雑な構造変化を特徴量として記述し、解釈可能な機械学習で構造と自由エネルギーの関係を解析する説明可能AIの一種である。
軟磁性材料はインダクターやインバーターの電力変換に欠かせない材料である。動作周波数が高くなるほど材料内部のエネルギー損失が増え、特にMHz領域で顕著になることが産業応用上の課題だった。損失はこれまで経験則で評価されており、複雑に変化する磁区構造のなかで、どの磁壁がどのように損失に寄与するのかを特定するのは難しかった。
研究グループはFINEMET型のナノ結晶軟磁性材料を対象に、富岳で大規模な磁気シミュレーションを実施し、100kHz、1MHz、10MHzの高周波での磁化反転過程を計算した。得られた磁区画像を、形やつながりの特徴を記述する数学的手法「パーシステントホモロジー」で解析した。主成分分析で特徴量を圧縮して磁壁エネルギーと対応付け、データ空間でエネルギー地形を描いた。
損失の原因となる磁壁を特定
解析の結果、磁化が反転する保磁力付近でエネルギー障壁が現れ、その大きさは周波数が上がるほど増すことが分かった。高周波帯では磁区構造が細かく分かれる。エネルギー障壁の特徴量を元の磁区画像に逆写像すると、障壁に寄与する因子は、逆磁区が進む先端部や、そこから伸びる微細な磁壁に集中していた。磁壁には、磁化反転を妨げる「抵抗因子」と促す「促進因子」があることを示した。

研究グループは今後、高輝度放射光や時間分解Kerr顕微鏡などの実験データに手法を適用し、実材料の損失解析を目指す。渦電流や磁歪などの寄与も取り込み、損失をより包括的に捉える。自由エネルギーの汎用性を生かし、半導体や電池、熱電材料などへの展開も視野に入れる。研究は文部科学省の「次世代パワーエレクトロニクス創出に向けた研究開発事業」の支援を受けた。
関連情報
プレスリリース:https://prtimes.jp/main/html/rd/p/000000314.000102047.html
東京理科大学 ニュース(正式表記):https://www.tus.ac.jp/today/archive/20261111_0111.html
《お知らせ》
PEAKS MEDIAのLinkedinページを開設しました。最新記事の概要をキャッチアップできます。
フォローはこちらから


