エネルギー

AIと核融合 – 破壊的技術の一つを利用してもう一方を進化させる

公開日 2024年9月25日

更新日 2026年5月31日

著者

Gaurav Roy

Securities.io を Google の優先ソースに追加

人工知能は過去10年で最も重要な技術的進歩の一つであり、産業全体を変革しています。その影響が感じられない分野はほとんどなく、核融合も例外ではありません—AI自体と同様に破壊的な技術です。

ほぼ無限に近いクリーンエネルギー源として称賛されている、核融合は有望なエネルギー源であり、画期的なものになる可能性があります。

その多くの利点には、豊富な燃料、エネルギー効率、低温室効果ガス、信頼性、固有の安全性、持続可能性が含まれます。しかし、まだ実験段階です。

これは、今年、科学者とエンジニアのチームがわずか0.2ミリグラムの燃料で5秒間にわたり69メガジュールの融合エネルギーを維持したという核融合エネルギー記録が達成されたにもかかわらずです。そのエネルギーは約12,000世帯をその期間電力供給できる量ですが、投入エネルギーの方が生成エネルギーより多く必要です。

これまで、科学者は数秒間しか融合を維持できませんでした。しかし、AIのおかげで状況が変わりつつあります。

近年のAIにおけるAIの継続的なブレークスルーは、AIを日常生活の一部にしただけでなく、科学的進歩を達成する上で不可欠なものにしました。AIは現在、核融合を改善するためにいくつかの方法で積極的に探求されています。

リアルタイムで不安定性を予測・防止して融合反応を制御することから、最適なリアクター設計を分析し、長時間にわたって安定した融合反応を維持し、さらにはリアクター設計の分析時間とコストを削減し、プラズマの変化を予測するまで、AIの核融合における役割は急速に拡大しています。

核融合から大規模なエネルギーを生成することは2050年頃まで実現できないかもしれませんが、AIは確かにこのプロセスを加速させる有望なツールとして浮上しています。

Steven Cowley, professor of astrophysical sciences and laboratory director of the Energy Department’s Princeton Plasma Physics Laboratory (PPPL), 信じている:

“融合はAIの「キラーアプリ」になるかもしれません。”

今年初め、科学者たちはプラズマの不安定性を予測する方法を見つけたと報告しました。プラズマは機械が保持する磁場からの裂けや脱出しやすく、AIを用いてリアルタイムでそれらを防止することが可能です。

プリンストン大学とPPPLの研究者が実施した実験によれば、AIコントローラは最大300ミリ秒前に潜在的なプラズマの裂けを予測できました。

撹乱は核融合における大きな障壁の一つであり、リアクターは何年も24時間365日稼働し続け、問題がないことが求められます。

（撹乱や不安定性は）非常に問題が大きい…このような解決策を開発することで、これらの装置を問題なく稼働させられるという自信が高まります。

– エゲメン・コレメン、研究著者兼プリンストン大学機械・航空宇宙工学教授

核融合施設向け新合金探索のためのAI構築

New Alloys for Nuclear Fusion

エネルギー省（DOE）のオークリッジ国立研究所（ORNL）の最近の研究により、核融合リアクターで融合用途部品のシールドとして使用される新しい合金を特定するAIモデルが作成されました。

このプロジェクトは元AIイニシアチブディレクターのデビッド・ウォンブルの指導の下、何年も前に開始され、核融合施設の改善に向けた大きな一歩となります。その後、人工知能による科学的発見（AISD）という優先研究分野として継続されました。

研究は、大規模計算アプローチの現在の限界が、従来の材料科学と量子力学に機械学習を統合する潜在的な利点に新たな光を当てていることを指摘しています。

特にディープラーニング（DL）モデルは、原子系の原子配置によって引き起こされる関連する非線形性を記録するのに効果的です。

DLモデルが訓練されると、完全なDFT計算に要する時間のごく一部で推論に使用でき、正確な結果を生成します。この大幅な時間短縮は、原子情報を用いた合金特性予測において新しい多成分合金の発見と設計を効果的に加速します。

したがって、研究の焦点は合金にあり、「非常に高温で卓越した性能を実現」することが求められます。この性能は高温耐性だけでなく、複雑な核プラントでの合金使用に必要な構造的機械特性も含まれます。材料がより高温で高強度を達成するには、分解温度がより高くなる必要があります。

これらの材料を作るために、従来はタングステンが主要元素として使用されてきました。一方で、追加元素が補助として加えられます。その結果得られた合金組成は高温に耐性がありますが、適切なシールドを維持する点で一貫性に欠けています。

最近、研究者はORNLのAIデータサイエンティスト、マッシミリアーノ・ルポ・パシーニが「全く新しく破壊的なもの」と表現した、これらの標準技術材料の代替を検討しました。

しかし、もちろん、膨大な組み合わせがあるため、潜在的な金属組み合わせを特定することは大きな課題です。

そこで、研究者はAIを使用してテスト期間を回避し、より効率的に使用可能な合金候補を発見しました。これは、AIモデルを作成するためのデータを生成し、潜在的な新合金候補としてテストする3つの元素を見つけることを含みます。

研究結果はScientific Data誌に掲載されており、チームは4つのオープンソースデータセットを提示しました。これらのデータセットは合金の基底状態特性に関する密度汎関数理論（DFT）計算結果を提供しています。

対象となる合金は、ニオブ-バナジウム（NbV）、ニオブ-タンタル（NbTa）、タンタル-バナジウム（TaV）および三元合金NbTaVで、128個のブラベ格子サイトを持つ体心立方（BCC）構造で配列されています。

ORNLのAIモデルは核融合の世界で非常に重要です。なぜなら、この有望な技術は極めて高温、放射線、機械的応力に耐えるクリーンでほぼ無限のエネルギー需要材料を提供できるからです。したがって、高性能合金を見つけることで、融合リアクターの長寿命と信頼性を確保できます。

新しい合金をはるかに迅速かつコスト効果的に特定し、核融合リアクターを実用的かつ安全にする上での大きな障壁を取り除くだけでなく、このようなAIモデルは核融合における破壊的な技術的進歩も可能にします。

AI駆動データモデリングで科学的発見を加速

AI生成データベースを持つことはプロジェクトの一部に過ぎません。次の段階は、生成されたデータを材料の発見と設計のためのMLモデルの開発、訓練、展開に関するさらなる研究に活用することです。

ルポ・パシーニによれば、新しい耐火高エントロピー合金の設計を支えるために6つの元素が必要です。

高エントロピー合金（HEA）は材料科学者にとって新たなフロンティアであり、現在、実験結果は非常に少ないです。数年前の研究では14元素とHEAを生み出す組み合わせを調査しました。ハイスループット量子力学計算を使用して、7,000以上のHEAの安定性と弾性特性を見出しました。

これは、イリノイ工科大学の材料科学・工学准教授であるWei Chen氏によれば、「高エントロピー合金の弾性特性に関する最大のデータベース」だったと報告されています。

最新の研究では、既存のスーパーコンピュータで量子力学計算を実行する高コストの課題もあります。したがって、「データだけでは不十分です」。

さらに、チームがこれらの大規模計算で克服しなければならなかった課題は時間でした。チームがPerlmutterとSummitスーパーコンピュータで計算を完了し、データを生成するまでに1年以上かかりました。

The Summit supercomputer is part of the Oak Ridge Leadership Computing Facility and is located at ORNL, while Perlmutter is housed at Lawrence Berkeley National Laboratory, with both computing systems being DOE Office of Science user facilities.

次のステップでは、チームは生成されたデータを使用してAIモデルを訓練します。このモデルは、6つの元素を異なる濃度で混合した合金として、膨大な化合物の探索を加速します。

私たちは、材料科学者が試行錯誤で異なる元素の相対的な割合を特定し、融合における破壊的技術進歩をもたらす合金を作り出すのを支援しようとしています。

– ルポ・パシーニ

AIを用いて材料の複雑さをより深く理解することも急速に進んでいます。昨年、ORNLのルポ・パシーニは、1,000万以上の有機分子の紫外可視スペクトル特性を提供する前例のない規模のデータセットを生成した計算科学者チームを率いました。

分子と光の相互作用を理解することは、その電子的・光学的特性を明らかにする上で重要であり、医療画像システムや太陽電池における光活性応用の可能性があります。

量子化学計算はハイパフォーマンスコンピューティングリソースを使用して実行され、膨大なデータセットが生成されました。これらのデータセットは、特定の光電子・光反応特性を持つ分子を識別するDLモデルの訓練に使用されます。

当時、ルポ・パシーニは、実験的に手間がかかり、既存の第一原理計算はスーパーコンピュータ施設に大きな負荷をかけるため、物質とエネルギーが亜原子レベルで相互作用する方法を決定することは単に手が届かないと指摘しました。しかし、DLモデルは「これらの障壁を克服する非常に有望なツール」を提供します。

チームは、原子構造を入力として受け取り、グラフに変換した後、第一原理コードが出力するものを予測しようとするHydraGNNアーキテクチャを構築しています。

今年初め、ルポ・パシーニとチームは、Perlmutterシステムだけでなく、FrontierおよびSummitスーパーコンピュータでもHydraGNNのスケーリングを示しました。HydraGNNは、材料特性の高速かつ正確な予測を行うGNNアーキテクチャの実装です。

このイラストにより、チームは数千、さらには数百万の変数間の接続をマッピングし、その関係性を解明して科学的発見を加速するために、グラフニューラルネットワーク（GNN）をどのようにスケールさせるかを示しました。

核融合から恩恵を受ける企業

Nuclear Fusion Process

AIと核融合産業は何十億ドルもの投資を受けており、これら二つの変革技術に対する期待と開発が示されています。では、これらの分野から注目すべき企業を見てみましょう：

#1. General Electric (GE)

General Electricは、GE Vernovaを通じて核エネルギーの研究開発に携わっており、より信頼性が高く、手頃で持続可能なエネルギーへの道を加速させることを目指しています。同分野での取り組みには、使用済み核燃料材料をリアルタイムで追跡する新しいセンサーとイメージング技術、燃料再処理をより手頃にするRADMASSという検査技術、そして沸騰水型原子炉（BWR）の建設が含まれます。

GE 価格チャート

時価総額は2044億6900万ドルで、同社の株価は現在188.94ドルで取引されており、年初来で47.83%上昇しています。EPS（TTM）は4.28、P/E（TTM）は44.09、配当利回りは0.59%です。

2024年第2四半期において、GE Vernovaは総収益82億ドル、純利益13億ドルを報告しました。一方、総受注額は118億ドルで、収益の1.4倍に達しました。四半期末の営業活動によるキャッシュは10億ドルで、4月にGEからスピンオフされた際の4.2億ドルから増加し、現金残高は58億ドルとなりました。

世界的な電化と脱炭素化のトレンドが、当社の製品とサービスへの需要を引き続き促進しています。

– GE Vernova (GEV ) CEO スコット・ストラジック

#2. IBM (IBM)

NVIDIA (NVDA ) がAIとスーパーコンピューティング技術のリーダーであり、今年株価が134.76%上昇したのに対し、IBMも量子コンピューティングとAI研究の主要企業の一つです。同社の量子コンピュータはクラウドベースの量子計算システムで、研究や探索に利用できます。

数年前、同社はデータの価値を解放して核電力生成を最適化することについて執筆しました。

IBM 価格チャート

時価総額は2015億4000万ドルで、同社の株価は現在218.80ドルで取引され、年初来で34.82%上昇しています。EPS（TTM）は9.53、P/E（TTM）は2.95、配当利回りは3.05%です。

2024年第2四半期において、IBMは売上高158億ドルを報告し、2%増加しました。最大の伸びはソフトウェア部門で見られました。同社の総利益率は56.8%、営業利益率（Non-GAAP）は57.8%でした。年初来の営業活動による純キャッシュは62億ドルで、フリーキャッシュフローは45億ドルです。

#3. ATI Inc. (ATI)

ATIは特殊金属と合金の製造を専門としており、この専門知識は融合リアクターへの応用に適しています。High-Performance Materials & Components（HPMC）は、エネルギー、医療、航空宇宙で使用されるチタンやチタン系合金などの高性能材料を生産する部門です。Advanced Alloys & Solutions（AA&S）は、車両、電子、エネルギー、防衛市場で使用されるジルコニウムおよび関連合金を製造する別の部門です。