産業技術総合研究所（産総研）

　産業技術総合研究所（産総研）と電気通信大学はこのほど、医療・環境診断や生体イメージングに適用する全可視光領域発光の「虹色発光標識のポートフォリオ」を共同開発したと発表した。

　生物発光を使うバイオアッセイや癌のイメージングなどが注目され、特に最近はウイルス検出などの医療診断の関心が高い。しかし、生物発光は発光色が限られ、特に海洋生物由来発光は短波長の青~緑色に偏り、ヘモグロビンによる吸収や発光標識間の干渉で生体イメージングには不向きだ。長波長の黄~赤色発光がなく、マルチカラーイメージングによる効率的なバイオアッセイや医療・環境診断ができなかった。

　産総研は化学物質生理活性の発光可視化の研究で、人工生物発光酵素群「ALuc」や赤色蛍光色素がついた発光基質を開発。電通大はホタルや海洋生物由来の発光システムで発光を長波長化・多色化する基質群を合成してきた。

　今回、両者の技術を組み合わせ、黄色より長波長の発光やマルチカラーイメージングを実現する生物発光システムを開発。海洋生物由来の発光酵素に共通するセレンテラジン骨格と、発光エビ由来の発光酵素「NanoLuc」と反応して高輝度発光するフリマジンを参考に、13種の発光基質を開発した。

　ウミシイタケ発光酵素「RLuc」と「ALuc」に発光するが「NanoLuc」には発光しないもの、「ALuc」のみ、「NanoLuc」のみに発光するもの、「RLuc」に特に強く発光するものがあり、天然のセレンテラジンは「ALuc16」に強く発光した。これらの組み合わせで、青色~近赤外の様々な発光色を生み出せる。

　相互選択性が非常に高い組み合わせもあり、発光信号間の干渉のないバイオアッセイなどへの応用により、例えば7つのバイオマーカーの同時計測による各種診断の迅速・簡便化などが期待できる。さらにウイルスを高感度で検出できるバイオアッセイや、赤色発光による動物個体内の癌転移などを可視化できる可能性もある。

　今後これを利用した医療・環境診断研究に加え、長波長領域でより高輝度で化学的に安定な虹色発光標識ポートフォリオや、動物個体内での生体イメージングを目指す考えだ。

　産業技術総合研究所（産総研）はこのほど、マイクロ波を偏波ごとに可視化するマイクロ波偏波分離イメージング技術を開発したと発表した。電磁波の振動方向を表す偏波の特性を利用すると、信号の分離や干渉の抑制が可能になる上、多角的空間情報が加わり探査や解析を深化できる。

　高周波回路やアンテナの製造、高周波デバイスの放射試験、レーダー探査、食品やインフラ設備の非破壊検査などでは、マイクロ波の空間分布を偏波ごとに測定し可視化するニーズがあるが、測定時間や解像度などに課題があった。産総研は原子の二重共鳴現象（2つの電磁波を2段階で吸収）を使い、マイクロ波を蛍光に変換して可視化する技術を開発してきた。

　セシウム（Cs）原子の場合、マイクロ波（9㎓）で電子を上位の基底状態に上げ、その電子だけを特定波長の近赤外レーザー（352㎔）で励起させると、基底状態に戻るときに蛍光（波長852㎚）を放射。それをCCDカメラで撮影すると、マイクロ波の強度分布を画像化できる。Cs原子は静磁場をかけると強さに応じて原子の向きが揃う。向きにより共鳴するマイクロ波の偏波と周波数は異なるため、周波数を精密に制御すると静磁場に平行な偏波だけを吸収し可視化できる。

　今回この原理を実証するために、気体状Cs原子を封入したガラスセルをマイクロ波発生のマイクロストリップライン上に配置し、上から高感度近赤外線カメラで蛍光を観測。周囲の三軸コイルで静磁場の方向と強さを制御し残留磁場や地磁気の影響をキャンセルし、鏡の角度変調でレーザーを広範囲に均一に照射しセル全面の可視化像を得た。定在波を反映した複雑な明暗模様が現れ、偏波ごとの定在波模様の差をよく示した。原子の種類やエネルギー状態、静磁場の強さと方向、レーザー波長などの精密な制御で㎑~㎔帯の広範な周波数に適用できれば、5G/6G対応の様々な電子部品の電磁波分布測定、室内や車内の電磁波散乱測定へ応用できる。

　今後は、静磁場の強度やCs原子のエネルギー準位を適切に選び、他の周波数への応用も目指す。またレーザーの立体的照射により、マイクロ波強度分布の立体的な可視化にも取り組む考えだ。

　東京大学と東京工業大学の研究グループはこのほど、産業技術総合研究所（産総研）、東京大学大学院、大阪大学大学院らの研究グループと共同で世界初の高次トポロジカル絶縁体の実現を擬一次元積層物質の実験で明らかにしたと発表した。

　高次トポロジカル絶縁体は、近年理論的に存在が予想された新しい量子相だ。結晶内部は絶縁体だが表面の特定の稜線が金属化し、スピンの向きのそろった電子が一次元で安定して流れる（スピン流）。電子の「電荷」と「スピン」の性質のうち、「電荷」を利用するのがエレクトロニクスだが、スピントロニクスは「電荷」と「スピン」の両方を活用する次世代省エネ技術の1つで、高性能ハードディスクなどに応用されている。原子層物質と呼ばれる薄いシート状物質を「積み木」のように積み上げることで、新奇な電気・磁気的性質を生み出せる。

　トポロジカル絶縁体は結晶の表面全体が金属化するのに対し、高次トポロジカル絶縁体は試料の稜線だけが金属的であることが予想されていたが、三次元結晶では未確認だった。今回、トポロジカル原子層を自在に組み換えられる擬一次元ビスマスハライド（ヨウ素、臭素化物）に着目し、積層の取り方によって様々なトポロジカル量子相を実現できる物質設計指針を提案した。また、角度分解光電子分光法による電子状態の直接観測で、Bi4Br4（ビスマス臭化物）が世界初の高次トポロジカル絶縁体であることを実証した。

　Bi4Br4は奇数番目と偶数番目の層が交互に180度反転しながら積み上がり、結晶表面には無数の階段構造が形成し1つ1つに稜線ができる。結晶内電子が感じる対称性が通常と異なるため、結晶の稜線だけが金属となり高次トポロジカル絶縁体状態となることが分った。また、稜線に沿って流れる電流の総量は大きいため検知できた。

　今後、積層の取り方による物質設計指針により、従来のトポロジカル絶縁体とは異なる新奇な性質が見出だされることが期待される。また、接着テープなどで積層物質からトポロジカル性質の薄片を取り出せるため、省電力スピン流デバイスや量子計算デバイスへの応用が期待される。

 

　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。