AIが解明した「サビにくさ」の物理的根拠
芝浦工業大学工学部の石崎貴裕教授（先端材料研究室）らの研究グループは、独自技術である蒸気コーティング法で形成される「ベーマイト皮膜」の耐食性を、AIを用いて定量的に分析することに成功しました。本研究成果は、2026年8月18日に学術誌『npj Materials Degradation』に掲載されています。
従来、アルミニウム合金の耐食性は製造条件に基づき評価されてきましたが、皮膜の物理的特徴と耐食性の関係を直接結びつけることは困難でした。今回、研究グループは「膜厚」「表面粗さ」「結晶子サイズ」「基板の欠陥密度」という4つの物理記述子を指標としてAIモデルを構築し、従来モデルを上回る予測精度を達成しました。
発見された「形態的レジームシフト」とは
本研究の最大の成果は、表面の凹凸（表面粗さ）が耐食性に与える影響が、膜厚に応じて反転する現象の発見です。研究グループはこの現象を「形態的レジームシフト」と名付けました。
解析の結果、膜厚が約2,200 nmを境界として、表面の凹凸の役割が変化することが判明しました。
-
膜厚2,200 nm未満： 粗さが被覆形成を助け、サビを防ぐ効果がある。
-
膜厚2,200 nm以上： 逆に腐食因子が侵入する通り道となり、耐食性を低下させる。
開発現場への影響と今後の展望
この知見は、製造装置や生産規模に依存しない、普遍的な材料設計指針として活用可能です。AIが最適な膜厚と表面粗さの組み合わせを提示することで、試作コストの削減や開発期間の大幅な短縮が期待されます。
本手法はアルミニウム合金にとどまらず、マグネシウム合金や次世代電池の界面劣化メカニズム解明など、複雑な構造を持つ多様な材料開発への応用が見込まれています。
詳細は以下の関連リンクもあわせてご覧ください。
AI Workstyle Lab編集部コメント
本研究は、機械学習が「単なる予測ツール」から「未知の物理現象を導き出す発見的ツール」へと進化したことを示す好例です。特に、多重共線性という統計上の難所を突破し、物理記述子から現象の反転（レジームシフト）を見抜いた点は、材料科学におけるAI活用の大きなマイルストーンといえます。企業にとっては、勘と経験に頼りがちだった表面処理の最適化が、データ駆動型で論理的に行えるようになることを意味します。今後は、このような「説明可能なAI（XAI）」を用いた開発手法が、製造業のDXを加速させ、R&Dのコスト構造を劇的に変えていくでしょう。
「AIニュースは追っているけど、何から学べばいいか分からない…」 そんな初心者向けに、編集部が本当におすすめできる無料AIセミナーを厳選しました。
- 完全無料で参加できるAIセミナーだけを厳選
- ChatGPT・Geminiを基礎から体系的に学べる
- 比較しやすく、あなたに合う講座が一目で分かる
ChatGPTなどの生成AIを使いこなして、仕事・収入・時間の安定につながるスキルを身につけませんか？
AI Workstyle LabのAIニュースをチェックしているあなたは、すでに一歩リードしている側です。あとは、 実務で使える生成AIスキルを身につければ、「知っている」から「成果を出せる」状態へ一気に飛べます。
講師：栗須俊勝（AI総研）
30社以上にAI研修・業務効率化支援を提供。“大阪の生成AIハカセ”として企業DXを牽引しています。
- 日々の業務を30〜70％時短する、実務直結の生成AI活用法を体系的に学べる
- 副業・本業どちらにも活かせる、AI時代の「稼ぐためのスキルセット」を習得
- 文章・画像・資料作成など、仕事も趣味もラクになる汎用的なAIスキルが身につく
ニュースを読むだけで終わらせず、
「明日から成果が変わるAIスキル」を一緒に身につけましょう。
本記事は、各社の公式発表および公開情報を基に、AI Workstyle Lab編集部が 事実確認・再構成を行い作成しています。一次情報の内容は編集部にて確認し、 CoWriter（AI自動生成システム）で速報性を高めつつ、最終的な編集プロセスを経て公開しています。
