過去の試験データの機械学習により提案された新規防食塗膜処方

なぜより賢い塗料が重要か

鋼製の橋、船、自動車、建築物はすべて塗料により錆の進行を抑えている。それでも防食コーティングの設計はしばしば試行錯誤で習得される職人的な領域にとどまっている。本研究は、ある種の人工知能が過去の試験結果をふるいにかけて、現在の製品と同等以上に機能する新しい防食塗料を提案できることを示している。さらに、専門家がまず試さないであろう成分組み合わせも探索できる点が特徴だ。

果てしない処方の課題

現代の防食塗料は、樹脂、顔料、防食剤、着色剤およびその他の添加剤から成る複雑な混合物である。各成分は用量や組合せを変えられるため、考え得る処方の数は天文学的になる。研究室でそのごく一部を試すだけでも時間と費用がかかるため、企業は既知の優れた処方の近傍という馴染み深い領域を探索しがちだ。これでは、より優れた性能を示すか、成分をより効率的に使えるような異例の混合物を見つけることが難しくなる。

古い試験パネルを地図に変える

著者らは、水系塗料を塗布した鋼板に対する492件の塩水噴霧腐食試験の履歴データを収集し、148種の異なる成分が用いられていた。それぞれの塗膜は、錆や水泡発生に関する標準的な視覚評価で格付けされていた。これらのデータを用いて、チームはランダムフォレストという機械学習モデルを訓練し、特定の処方がどのような評価を受けるかを予測させた。次に、可能な処方の巨大な空間を地形になぞらえ、各点を配合、地形の高さを腐食性能の良さで表現した。差分進化と呼ばれる別のアルゴリズムがこの地形を探索し、有望な新処方に対応する高地を探した。

デジタルガイドの性能

モデルは、塗膜内部の水泡については高精度で良否を分類でき、意図的なキズ周辺の錆や水泡についてもランダムより良い成功率を示した。重要な要因を調べると、試験期間、金属の種類、塗膜層数、樹脂の選択が性能を支配しており、これは実務経験と一致していた。いくつかの結果は意外で、たとえば特定の着色剤や中和剤が、少量しか使われない腐食抑制剤よりも影響力が大きく見え、成分間の複雑な相互作用を示唆している。

驚くべき新塗料2種の試験

仮想探索の結果が実世界で通用するか確かめるため、チームは機械が提案した2つの処方を選び、小ロットで塗料を調製した。これらは標準の参照コーティングと比較され、700時間を超える厳しいサイクル塩水噴霧試験にかけられた。1つの提案塗料は、個別には性能が良くなかった2種の樹脂の異例なブレンドを用いており、全体としては参照と同等の耐錆性を示し、キズ周辺ではむしろ勝っていた。もう1つは従来のスクリーニングで失敗していた樹脂に基づくもので、やや劣る結果だったが、それでも以前の評判より改善された挙動を示した。

将来のコーティングにとっての意義

この研究は、過去のデータが限られていても、かつモデルが粘度や硬さなどの物性を知らなくても、機械学習がより良い防食塗料の探索を導けることを実証するものだ。専門の配合技術者を置き換えるのではなく、試す価値のある非自明な組合せを提案するスマートなアシスタントとして機能する。データと成分の詳細が増えれば、類似のツールは開発期間を短縮し、実用的な処方の範囲を広げ、金属構造の防錆に関して時に直感に反する新しい手法を発見する助けとなるだろう。

引用: Samanta, S., Luigjes, B., Lyon, S. et al. Novel corrosion protective coating formulations suggested by machine learning of historic test data. npj Mater Degrad 10, 63 (2026). https://doi.org/10.1038/s41529-026-00771-2

キーワード: 腐食防止コーティング, 機械学習, 保護塗料, 鋼材の腐食, 材料設計