��来クルマの開発では、例えばクルマの空気�B�^や、�\焼効率などを求めるためさまざまなデータを�Dり、それに合うような動作モデルを設���vが作成し、��なるデータと比較してはモデルを改良し、新�Z設��に��かしてきた。クルマやエンジンを3D-CADなどで設��し、そこに空気�B�^やエンジン内での�\焼のモデルを�[定、数値���Qのシミュレーションを行う。

しかし、モデルを立てることが困�Mなうえに���Q量を解��するためのモデルの作成には膨�jな時間がかかっている。せめてC/C++などの言語ではなく、さまざまなモデルのライブラリやビジュアルな設��環境として、MATLABやシミュレーションモデル作成のSimuLinkといった�~�@なツールを使って設��・検証するようにはなってきた。それでも�@度の高いモデルを作成するためのデータ�R定や分析の工数が�\�jし、その�Mしさは、半導��のプロセス設��と同様、�~単ではない。

さらに、最�Zはカーボンニュートラルやゼロエミッションへの要求、ACES（Autonomy, Connectivity, Electricity, Sharing）のように�O動運転やコネクティビティ、シェアリングなどの要求も採り入れなくてはならず、モデルが膨�jになってきた。このモデルを作成しようとすると、さまざまな�j量のデータが��要となる。加えてデータ密度が��であったり、ノイズが乗っかってきたりして、�h価が�Mしくなっていた。

Secondmindのアクティブ学�{アルゴズムでは、�~単な��いモデルを作ってデータを読み込み、それを�`的とする効率向�屬筌肇襯�の最�j化などの�`�Y値に�瓦靴董�CO2排出量をはじめとしたさまざまな�U限パラメータの�U約を守りながら、キャリブレーションしてさらにより良いモデルを作成していくというもの。「いわばデータからモデルを作成していくようなものだ」と同社CEOのGary Brotman��（図1）は語る。次に入��されるデータに�瓦靴董⊃靴燭忘鄒�したモデルを使って、同様にして�`�Y値にさらに�Zづくようにモデルをキャリブレーションして、次の新しいモデルを作成していく。このようにして最適値を求めることができる。

図1　Secondmind社の経営陣たち　左がCEOのGary Brotman��　出�Z：Secondmind

実際に内�\エンジンの最適な条�Pをキャリブレーションで変えていく作業に使われたとしている。この場合、最�j50�|類のパラメータと�U約条�Pを課すわけだが、データを�Dり込むたびに学�{し、キャリブレーションして�T��するために��要な実�x��画を動的に��新するという。�J�Tの内�\エンジン��のモデルだけではなく、ハイブリッド�Zや電気�O動�Zなど幅広いパワートレインにも�官�できるように設��されている。

その�T果、��来の実�x��画法で最適値を求める�桔，犯罎戞▲離奪�ングが発�擇擦査脳�の�\料で済む最適値を求めるのに数分の�kの時間で済んでいる（図2）。

図2　��来の�桔，茲蠅皸掬歸�に少ない時間で最適化できる　出�Z：Secondmind

このAIアルゴリズムはクラウド�W��で使うため、同社のビジネスモデルはSaaS（サーズ：Software as a Service）だ、と同社日本法人代表でカスタマサクセス担当VPの井�嵳Ч���（図1）は言う。すなわちアクティブ学�{アルゴリズムを格納しているソフトウエアはクラウドベースで使い、ソフトウエアを売り切りのライセンスベースではない。

2016�Q英国ケンブリッジに設立された同社のBrotman CEOは、元QualcommでAI戦�S・商��企画�靆腓寮嫻でvを��めていた。�\術�靆腓離肇奪廚魯吋鵐屮螢奪現j学で機械学�{専門のCarl Rasmussen教�bがCSO（Chief Science Officer）を兼��している(図1)。ビジネスとテクノロジーの両�茲鬚修譴召譴寮賁膕箸��pけ�eつ���Uは、Googleをはじめとする�Z型的なスタートアップの成功パターンのようだ。

今�v、マツダにライセンス提供することにより、マツダは最適なエンジン開発にかかる期間を半��できると期待している。マツダとは複数�Qに渡るライセンスを契約し、すでに開始しているハイブリッドカーやEVのパワートレイン�U御システム、ACESなどの先進�U御�覦茲愕判jするための共同研�|を��けているとしている。

参考�@料
1. 「Secondmind、マツダにアクティブラーニング・プラットフォームをライセンス供与」、Secondmind (2022/02/03)