研究の概要

熱力学サイクル（熱ポンプ・熱機関）の設計をグラフ表現・深層学習サロゲート・階層型強化学習で全自動化するパイプラインを開発した。「マネージャー・ワーカー」二層フレームワークにより、構造（トポロジー）探索とパラメータ最適化を並行して実施。古典的設計の再現を確認した上で、新規サイクル構成の探索を行った。

主な発見・成果

  • 18種の新規熱ポンプサイクルと21種の新規熱機関サイクルを発見
  • 熱ポンプでCOP（成績係数）約4.6%改善、熱機関では133.3%の大幅な性能向上
  • 専門家設計に依存しない完全自動化パイプラインを実現
  • グラフニューラルネットワークによる汎用サイクル記述で多様な構成を効率的に探索

実務への応用

熱ポンプメーカーや産業用ヒートポンプの設計担当者は、AI駆動の自動設計ツールにより従来の専門家依存設計を超える高効率サイクル構成を短期間で探索できる。省エネ機器の開発コスト・期間削減と性能向上を同時に達成でき、建物・産業の電化（ヒートポンプ化）の加速に貢献する。COP改善は直接的な省エネ・CO2削減効果につながる。