C1-01 環境試験・診断・トレーサー技術の確立と産業応用のためのデジタル解析基盤の構築
研究開発責任者
内藤 昌信（国立研究開発法人物質・材料研究機構）
研究開発概要
C1-01では、本SIPが定めるミッション１、２及び３を達成するため、以下の研究開発に取り組む。
ミッション１：情報共有のためのデジタルプラットフォームの構築
- CEプラスチック材料に関する研究開発基盤をSIPラボとして物質・材料研究機構（NIMS）に設置し、CEに関連する産官学の協調領域研究の推進と産業競争力の強化に向けたデジタル解析基盤を構築する。
ミッション２：動静脈・静動脈連携を実現する技術の開発
- トレーサー分子やリサイクル材の臭い同定・検出技術を確立することで、動静脈連携を推進する。
ミッション３：サーキュラーエコノミーにおけるイノベーティブな循環を推進するための技術開発・環境構築
- 動的架橋構造を有するネットワークポリマーを基軸としたサーキュラー素材を開発する。また、マテリアルインフォマティクスを駆使した環境試験・診断技術及びプラスチック製品のサステナビリティを追跡するためのトレーサー技術を確立する。
- 自動車設計・廃車（End-of-Life Vehicles：ELV）管理における持続可能性要件に対応するため、自動車用プラスチックに関するサーキュラーエコノミー材料に関する研究開発を行う。
進捗・成果
データ駆動型アプローチによる再生プラスチックの品質「格付け」技術の開発
〜非破壊検査とAIの融合によるサーキュラーエコノミーへの貢献〜
研究の背景と目的
プラスチックの循環経済（サーキュラーエコノミー）を達成するためには、使用済みプラスチックをもう一度原材料として利用する「マテリアルリサイクル」の拡大が不可欠である 。しかし、街や工場から回収される使用済みプラスチックは、由来する製品が多種多様であり、これまでの使用環境や熱・光による劣化の履歴も異なるため、品質（強度や硬さ）に大きなバラつきがあるという重大な課題を抱えている 。
本研究では、プラスチック製品を破壊することなく、その結晶構造の特徴から製品の硬さ（引張弾性率）を高精度に予測・判定し、適切に「品質選別（グレーディング）」するためのデジタル基盤の構築を目指した 。
開発した技術とデジタル基盤の構築（マテリアルインフォマティクス）
X線を使って物質の内部構造を調べる「X線回折（XRD）」データと、高度な統計的AI手法である「ベイズ統計モデリング」を組み合わせた新しい解析フレームワークを開発した 。
- AIによる構造特徴の自動抽出
複雑なX線回折データから、プラスチックの「結晶の並び順の乱れ」や「非晶質（規則正しく並んでいない部分）の割合」など、物理的に意味のある21種類の微視的な特徴量を自動で正確に導き出す技術を確立した 。 - データのバラつきを捉える「混合回帰モデル」と超高速探索（REMC）
再生プラスチック特有の複雑なバラつきを処理するため、サンプルを自動的に適切なグループ（クラスター）に分類しながら強度を予測するシステムを構築した 。探索には「レプリカ交換モンテカルロ法（REMC）」という高度な計算手法を用いることで、AIが局所的な最適解に囚われることなく、データの背後にある本質的な関係性を導き出すことに成功した 。
得られた成果と新たな科学的知見
- 高い予測性能の達成：
劣化履歴や配合の異なる多様なポリプロピレンの硬さを、高い再現性で説明可能なモデルを構築した 。 - 「硬さ」を左右する微視的因子の発見：
従来、ポリプロピレンの硬さは単に「β（ベータ）結晶」と呼ばれる特定の結晶の量だけで決まると考えられがちであった 。しかし今回のAI解析により、特定のグループにおいては「β結晶の格子の歪み（ひずみ）や局所的な構造の乱れ」が、単なる結晶の量以上に製品の硬さに強く影響を与えているという新しい知見を発見した 。
社会実装とサーキュラーエコノミーへの貢献
本成果は、信頼性の高い再生プラスチックの流通を支える「デジタル格付け基盤」のコア技術となる 。
従来のように製品を試験片に切り出して破壊しながら強度を測るのではなく、再生プラスチックの微視的な構造をデジタルデータとして読み解くことで、「このロットは自動車部品に使える強度がある」「こちらは日用品向け」といった、安心・確実な品質選別（グレーディング）がその場で可能になる 。
これにより、これまで産業界で敬遠されがちだった「品質が不揃いな再生プラスチック」の適材適所での利用が促進され、プラスチックの完全循環社会の実現に大きく貢献する。
関連論文：
Kazuki Hammura, Kiyotaka Hitomi, Kenji Nagata, Masanobu Naito,
“Replica-exchange Bayesian mixture regression reveals cluster-dependent XRD descriptors of tensile modulus in recycled polypropylene”
Science and Technology of Advanced Materials: Methods (2026)
DOI: 10.1080/27660400.2026.2662046
