私が取り組んでいる研究では、東芝が製造するさまざまな機器について、不具合の発生時期や保全が必要となるタイミングを予測する技術を開発しています。これができるようになると、部品交換のタイミングを最適化できるだけでなく、保守員の作業計画最適化にも役立ちます。機器は動いていると温度が上がり、それよって構造的な劣化が生じます。この劣化の様子を調べるために使うのが、熱解析や構造解析といったシミュレーション技術です。大規模コンピュータを使って長時間計算すれば精度の高い結果は得られますが、細かい解析をしようとすると、数週間もかかってしまうことがあります。これでは、実際の製品開発や保守の現場で使うには時間がかかりすぎてしまいます。そこで私たちは、機械学習などの新しい手法を使って計算コストを下げ、より短時間で、場合によってはリアルタイムで解析結果が得られる仕組みを開発しています。解析を高速化するために物理式を利用するのですが、物理現象を表すにはたくさんの理論式や経験式があり、今起きている現象にどの式を組み合わせるべきかは、これまでエンジニアの経験や勘に頼らざるを得ませんでした。この課題に対し、「どの式とどの式を組み合わせれば現象を説明できるか」を自動で提案できる仕組みの実現を目指しています。いわば、物理式をパズルのピースに見立てて、それらを最適に組み合わせる“自動パズル解き”のような技術です。