精子の運動に必要な情報伝達分子「サイクリックAMP（cAMP）」の産生が、これまで機能が不明だったたんぱく質TMEM217によって制御されていることを発見TMEM217を欠損させたマウスの精子に「cAMPと同じ機能をする分子」を加えることで運動性が回復し、体外受精によって正常な子マウスを誕生させることに成功精子がうまく動かない男性不妊症の診断や治療につながる可能性大阪大学 微生物病研究所の飯田 理恵 特任助教（常勤）、宮田 治彦 准教授、伊川 正人 教授らの研究グループは、精子の運動を駆動する中心分子である「サイクリックAMP（cAMP）」の産生を制...

NIMSは、東京理科大学、神戸大学との共同研究により、イオンの振る舞いを利用して情報処理を行う新しいAI（人工知能）デバイスを開発しました。従来の深層学習（ディープラーニング）に比べ、計算負荷を約100分の1に減らすことに成功しています。端末機器（エッジデバイス）に直接搭載した「エッジAI」の情報処理性能への貢献が期待されます。近年、深層学習や生成AIに代表される機械学習の消費電力が指数関数的に増大しており、深刻な社会問題となっています。この解決に向けて低消費電力かつ高い計算性能を備えたAIデバイスの需要が高まっています。高効率な脳型情報処理であるリザバーコンピューティングを行うAI...

NIMSは、多数の材料組成を短時間で評価できる新しい実験手法を開発し、磁性材料の異常ホール効果の特性を従来の30倍の速さで測定することに成功しました。得られた膨大なデータを機械学習で解析し、その予測に基づいて新しい材料を実証した結果、磁気をより敏感に検出できる新しい磁気センサー材料の開発に成功しました。今回、本研究チームは、1枚の薄膜試料の中で連続的に組成が変化する「組成傾斜薄膜」を用いて、効率よく評価できる新しい実験手法の開発に成功しました。これにより、1組成あたり約0.2時間で評価でき、従来手法に比べて約30倍の高速化を実現しました。さらに、本手法を用いて、鉄（Fe）に重元素を1...

固体酸化物形燃料電池（SOFC）の中温動作（300度）に不可欠な高プロトン伝導性酸化物を開発高いプロトン伝導率を発現するメカニズムを計算機シミュレーションにより解明SOFCの実用化や大型トラックなどへの多用途化が期待されるSOFCは、高効率かつ高耐久な燃料電池の１つです。水素を燃料とし、発電時に二酸化炭素を排出しない発電デバイスであり、水素エネルギー社会実現に向けた中核技術として注目されています。しかし、発電の動作温度は700～800度と高く、高価な耐熱材料の使用による材料コストが課題となっています。もし300度程度の中温度域で発電できれば、より安価...

これまで不可能だった、高速流体のリアルタイムな計測と制御に成功。感度の高い観測点の最適な組み合わせを選択して計測する手法「疎点解析粒子画像流速計測法（スパースプロセッシングPIV）」とプラズマアクチュエーターを利用したシステムを構築。2000ヘルツで高速な空気の流れをリアルタイム画像計測して行った流体制御の成功は世界初。本技術を利用して、流体力学に限らずさまざまな分野でのリアルタイム観測とフィードバック制御への応用に期待。空気や水など流体の速度場（速度分布）の計測は、現象の理解やその制御のために重要です。特に流体の中でリアルタイムに何が生じ...

機械学習が迫る反応の謎：機械学習を駆使したシミュレーションにより、加圧時に材料表面が一時的に液状化し、水素を効率的に取り込む全く新しい反応メカニズムを発見。画期的成果：このシミュレーションにより、従来と比べ飛躍的に水素貯蔵能力を高めた「スーパーハイドライド」の合成過程を理論的に解明することに成功。未来技術への扉：スーパーハイドライドは、水素社会実現の鍵となる高効率水素貯蔵材料や次世代超伝導材料開発に革命をもたらす可能性を秘めています。東京大学 大学院工学系研究科の佐藤 龍平 助教と、東北大学 材料科学高等研究所（WPI-AIMR） 所長・折茂 慎一 ...

指定した薄膜物質を自動的・自律的に合成するシステムを構築した。X線回折パターンを自動解析して、ピーク強度比を最大化するよう自律的に薄膜合成条件を最適化する。機械学習とロボットを用いた自動・自律実験システムが、研究者の繰り返し作業を代替することにより、研究開発の加速が期待される。東京大学 大学院理学系研究科 化学専攻の一杉 太郎 教授（東京科学大学 特任教授 兼任）、小林 成 助教、清水 亮太 准教授（研究当時 現：分子科学研究所 教授）らは、東京科学大学 物質理工学院 応用化学系の西尾 和記 特任准教授、相場 諒 特任助教（現：（株）リガク所属）、日...

貧困は、子どもの健康や社会生活に悪影響を及ぼします。生活保護世帯の子どもたちは、健康や生活に関して多様なニーズを抱えており、個々の生活背景に応じた支援が求められています。また、効果的な支援方法も個々の生活背景によって異なります。そこで、京都大学 大学院医学研究科 社会疫学分野の上野 恵子 特定助教らの研究グループは、生活保護世帯の子どもたちを生活背景に応じて類型化するために、１，２７５名が回答した質問紙調査から得た情報を用いて、機械学習の手法（ソフトクラスタリング）で生活背景の異なる小集団（セグメント）に類型化しました。次に、この分析で得られた結果をもとに、複雑な支援ニーズ...