高機能・ライフサイエンス・原料・素材

　産業技術総合研究所（産総研）はこのほど、明星大学、ドコモ・インサイトマーケティングとともに、新型コロナウイルス感染拡大に伴う外出自粛による人口変化が、大阪市のオフィス街と住宅街の気温と電力消費量に及ぼす影響を推定したと発表した。日中人口が約7割減少したオフィス街では電力消費量を40％（床面積1㎡あたり12W）、人工排熱を42％（土地面積1㎡あたり76.3W）押し下げ、その結果気温は0.13℃低下したと推定。一方、人口が微増した住宅街では電力消費量が18％（床面積1㎡あたり1.4W）増加したが、気温は外出自粛前と変わらなかった。

　オフィス街の気温・電力消費量の低下は、昨年開催されたG20大阪サミットの交通・出勤規制による低下量のそれぞれ3倍、10倍で、電力消費低下量は東日本大震災に伴う夏の節電対策効果に匹敵した。なお、この気温低下量は、日本各都市の気温観測値から得た先行研究による統計的推定値と矛盾しない。

　産総研と明星大学は、都市部の人間活動と気象・気候の関係に長年取り組み、世界初の数理モデル「都市気候モデル」を開発。これを気象学の領域気候モデルと統合し、電力消費実測値との比較などを通して「都市気候モデル＋人口データ」に大幅改良した。

　人間活動の把握はドコモ・インサイトマーケティングの「モバイル空間統計（500mメッシュ・1時間毎）」で行い、空調使用スケジュールや人体からの排熱量などのパラメータに反映させた。公開・測定されていない都市街区の数百m~数Kmスケールの電力消費量と気温の推定、人間活動が変化した際の電力消費量や気温への影響を評価できる点に意義があり、都市の気候と電力消費量の将来予測、都市計画や都市部の気候変動適応策の評価にも応用できる。

　今回テレワークなどの人間活動の変化により、都市部の省エネとヒートアイランド緩和が実現できることが示唆された。「新たな日常」での都市の気温と電力消費の予測に有用で、気候変動に備えた都市部の適応策の評価・提案への貢献も期待できる。

　今後は首都圏や国内外都市に適用し、外出自粛の影響を広域的に見積り、人間活動と都市の気候の関係を体系化する。また外出自粛が熱中症指数に及ぼす影響も調査し、気温や電力消費量に留まらない総合的な気候変動適応策の提案に繋げる考えだ。

 

　産業技術総合研究所（産総研）と東京大学はこのほど、量子物理学の密度汎関数理論（分子や結晶などの物性は電子密度のみで計算可能）に基づく深層学習技術を開発したと発表した。化合物の原子配置を電子の確率分布を表す波動関数に変換し、深層学習により電子密度やエネルギーなどの物性値を高速・高精度に外挿予測する。

　材料開発や創薬の分野では化合物のエネルギー、触媒の反応収率、発電材料の効率、薬剤の活性など様々な物性値の計算・予測が必要だが、理論計算・シミュレーションの計算コストは膨大である。深層学習技術により計算量は減るが、ブラックボックス性の計算であり解釈性・信頼性が低い上、学習データ範囲外のデータを推測する外挿予測は精度が低い。

　今回、産総研の最先端の機械学習技術の理論・アルゴリズムの開発と実データへの応用技術と、東京大学の機械学習技術を材料開発に利用するマテリアルズ・インフォマティクスに関する研究を統合。化合物の原子配置をまず原子の波動関数、そして分子の波動関数に変換。これに分子波動関数から得られる電子密度と原子配置から計算できるポテンシャルが一対一対応するような物理制約を課した上で、原子配置と物性値の大規模データベースを学習し、物性値を予測する。量子物理の基本情報を深層学習モデルの内部で表現・経由した上で化合物の物性値を予測するため、深層学習モデルのブラックボックス性がなく、予測結果の解釈性・信頼性が得られ、学習データから外れた未知の化合物の物性も外挿予測できる。

　理論計算予測値と実験値の誤差が1~2kcal/molであるのに対し、誤差2~5kcal/molと実用に耐える精度で外挿予測が可能。また20原子以上の複雑な構造でも、外挿予測誤差は小さいことを確認した。さらに理論計算では1分子に数十分から数時間かかるところを、数分で1万種類の分子予測が可能。これにより、実用に耐える外挿精度と10万倍以上の高速化を実現した。

　今後は材料開発や創薬の実応用に適用し、有用な触媒や薬剤の大規模な探索を行う。また物理学者・化学者と協力して物理学・化学関係の知識をより多く取り入れ、より高精度の予測ができる深層学習技術の開発を目指す。