データを隠したまま機械学習モデルを構築

～6社2国研の産学データ連携で幅広い耐熱材料の長期耐久性を予測～

2025.03.13

NIMS（国立研究開発法人物質・材料研究機構）

NIMSは、株式会社IHI、川崎重工業株式会社、関西電力株式会社、株式会社神戸製鋼所、電源開発株式会社、国立研究開発法人日本原子力研究開発機構、三菱重工業株式会社、株式会社Elixと共同で、各機関のデータを秘匿した状態で機械学習を実施し、幅広い種類の耐熱鉄鋼材料の長期耐久性を予測するモデルを開発しました。本研究成果は、2025年2月6日付で「鉄と鋼」誌にてweb先行公開されています。

概要

従来の課題

材料データは機密性が高く、他機関と共有することが困難です。しかし、取得には多大な時間とコストがかかり、機関を超えた活用が望まれます。特に、発電設備の耐熱材料寿命データは、取得に10年以上かかる場合があり、産学連携が求められています。

成果のポイント

NIMSは、データを秘匿したまま各機関で分散して機械学習を行うシステムを開発し、6社2国研のデータをお互いに開示せずに秘匿したまま機械学習を実施。耐熱鉄鋼材料の長期耐久性を予測するモデルを構築しました(図)。このモデルは、NIMSデータのみを用いたローカルモデルよりも予測精度が大幅に向上しています。データを共有せずに産学間で連携する実例は、これが初めてです。

将来展望

今回の事例を契機に、材料分野全般で産学データ連携が広がることが期待されます。NIMSが開発したデータを秘匿したまま分散して機械学習を行うシステムはオープンソース化されており、誰でも利用可能です。今後は、NIMSが連携のコーディネート役となり、産学連携の需要に応えていきます。

図: 各機関で分散学習を行い、データを秘匿したまま統合して耐熱材料の寿命予測精度を向上

その他

本研究で使用した、データを秘匿したまま分散学習を行うシステムは、NIMSと株式会社Elixが内閣府SIP第2期「統合型材料開発システムによるマテリアル革命」の支援によって開発し、オープンソース化(https://github.com/nims-federated-learning/NIMS-FL)されています。本取り組みは、文部科学省データ創出・活用型マテリアル研究開発プロジェクト事業JPMXP1122684766の支援のもと、NIMS構造材料DX-MOPの枠組み内で実施されました。
本研究成果は、2025年2月6日に「鉄と鋼」誌のオンライン版で早期公開されました。

掲載論文

題目 : クリープ破断時間および高温引張強度予測モデルの連合学習
著者 : 櫻井惇也, 鳥形啓輔, 松永学, 髙梨直人, 日比野真也, 木津健一, 森田聡, 井元雅弘, 下畠伸朗, 豊田晃大, 中村忠暉, 橋本憩太, 大久保達矢, ベヘシティロイック, リチャルヴァンサン, 出村雅彦
雑誌 : 鉄と鋼
掲載日時 : 2025年2月6日
DOI : 10.2355/tetsutohagane.TETSU-2024-124