AIBR プレミアム
拓海先生、最近部下が『AIで光学薄膜の設計が変わる』と言ってきて困っています。そもそも光学薄膜って何がそんなに難しいのですか
素晴らしい着眼点ですね！まず端的に言うと、光学薄膜は光の反射や透過を操作する重ね塗りの設計で、目的に応じて複数の材料と厚みを決める必要がありますよ
なるほど、つまり材料と厚みをどう組み合わせるかで性能が変わると。で、AIは何をしてくれるんですか、要するに人間の代わりに最適な組み合わせを探すということですか
その通りです。ただしここで注目すべきは三点です。まずAIは手探りで広い選択肢を効率的に探索できること、次に局所解にとらわれにくい探索が可能になること、最後に設計条件を変えた時に素早く再探索できることです
三点ですね。うちの現場に導入するとして、投資対効果はどう見ればよいですか。特に設計時間と歩留まり改善がポイントです
良い視点です。投資対効果を見るなら要点は三つで、設計探索にかかる人時削減、試作回数の削減による材料と時間の節約、そして出来上がった製品の性能安定化による歩留まり改善です。これらを数値化すれば判断材料になりますよ
そのAIというのは具体的にどんな手法を使うのですか。うちの技術者が理解できるように簡単に教えてください
本論文で使われるのはDeep Q-Learningという技術で、簡単に言えば一連の選択肢（この場合は各層の厚みの調整）を試して『得られる性能』を報酬として学ぶ方法です。報酬を最大化する行動の連鎖を学ぶので、試行錯誤を繰り返すうちに良い設計にたどり着けます
これって要するに人がやる試行錯誤をコンピュータに任せて、より良い答えを見つけてもらうということですか
その通りですよ。大丈夫、一緒にやれば必ずできますよ。重要なのは導入時に目的を明確にして、評価指標を揃え、まずは小さなケースで成果を確認することです。私が要点を三つにまとめると、目的設定、初期条件と評価指標の整備、試作連携のしくみ作りです
なるほど、まずは小さなターゲットで評価してからスケールさせると。実務で障害になりそうな点は何でしょうか
現場での障害は三つあります。まず物理モデルと実測値の差、次にAIが出す解が製造現場で実現可能かどうか、最後に関係者の理解と運用体制です。これらを順に潰せば導入は進みますよ
分かりました。ではまず小さな実験で、評価指標と製造可否を確かめる。これが第一歩ということですね。私の言葉で整理すると、AIにより探索効率を上げ、試作コストを減らし、結果として歩留まりを改善することを目指す、という理解でよろしいでしょうか
その理解で完璧ですよ。大丈夫、一緒にやれば必ずできますよ。私がいつでもサポートしますから、まずは小さなターゲットで実験計画を立てましょう
