従来の課題 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人工知能(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デバイス「物理リザバー」は、計算負荷(必要な積和演算の数)が小さく省電力であるため注目されていますが、ソフトウェア処理に比べて低い計算性能が課題でした。 成果のポイント 今回、NIMS、...

従来の課題 二酸化ルテニウム(RuO2)は、「第三の磁性」である交代磁性を示す有力候補として注目されてきました。従来の強磁性体は外部磁場で容易に書き込める一方、漏れ磁場による記録エラーが高密度化の壁でした。反強磁性体は漏れ磁場などの外乱に強いものの、スピン(原子レベルのN極-S極)が打ち消し合うため電気的な読み出しが難しいという課題があります。そこで、外乱に強く、しかも電気的に読み取り—将来的には書き換えまで狙える—という“いいとこ取り”の磁性体が求められてきま...

従来の課題 嗅覚は、食の安全、環境モニタリング、医療診断、快適な生活空間の創出など、私たちの暮らしに欠かせない役割を担っています。このように重要な人間の嗅覚を、人工的に再現する人工嗅覚技術(嗅覚センサ)は、複数の化学センサでニオイ分子を検出し、AI(人工知能)がそれを分類・識別する技術です。しかし現在の人工嗅覚は、化学センサの感度や識別精度に限界があり、実用化は十分に進んでいません。この課題を解決するには、人工嗅覚を支える化学センサをさらに高性能化する必要があります。その中心となるのが、ニオイ分子をとらえる「感応材料」の開発です。...

従来の課題 異常ホール効果は、磁性体に電流を流すと、電流と磁化(N極-S極の向き)の両方に直交する方向に電圧が発生する現象です。この特性を利用すると、磁化の変化を電気信号として敏感に検出できるため、次世代ハードディスクドライブ用リードヘッドや高性能磁気センサなどへの応用が期待されています。特に、大きな異常ホール効果を示す新規材料として期待される3種類以上の元素を含む多元素磁性合金では、元素の種類と組成比の組み合わせが膨大で(いわゆる「組み合わせ爆発」)、さらに1試料の評価に時間がかかるため、この広大な探索空間はほとんど未開拓のまま...

従来の課題 AI向けデータセンターや電気自動車などの電力利用が急速に拡大する中、電力の高効率利用が重要な課題となっています。その要となるパワーエレクトロニクス技術では、電力を変換・供給するトランスやインダクタなどに使われる軟磁性材料の性能が効率化の鍵を握ります。軟磁性材料は、外部磁界に対してすばやく反応する磁化応答性に優れ、電力ロスを抑えられる金属材料ですが、パワーエレクトロニクス技術の高周波化に伴い、軟磁性材料で発生するエネルギーロスの増大が深刻な問題となっていました。 成果のポイント...

従来の課題 高精度な実験データは、マテリアル分野におけるメカニズム解明、理論・モデル構築、数値シミュレーション、AI・機械学習を支える基盤情報であり、材料イノベーションの源泉です。特に、耐熱超合金は多数の元素で構成されるうえ、複雑なミクロ組織構造を有するため、構造・プロセスの最適化には、多量かつ高精度なプロセス-構造-特性データベースが必要になります。しかしながら、実験データベース構築には長い年月をかけた地道な実験と膨大な資源投入が必要であり、合金開発の障壁となっていました。 成果のポイント...