レアアース泥×フィジカルAI：深海6,000mを「遠隔自律システム」として設計する

Last updated at 2026-01-21Posted at 2026-01-18

はじめに

現場あるあるで言うと、レアアース確保は「調達・地政学・ESG・技術」の全部が絡むので、資料が散らばって意思決定が止まりがちです。一方で、南鳥島沖のレアアース泥（でい）は、いままさに「実海域フェーズ」に入っており、技術論としても「ロボティクス/センシングIoT/遠隔運用/（広義の）フィジカルAI」が交差する、かなり面白い題材です。

本稿では、レアアース泥（南鳥島沖）の最新の実証フェーズと、深海採鉱を「設備」ではなく「遠隔自律システム（ロボティクス + IoT + フィジカルAI）」として捉える設計観点を、エンジニア視点で考察します。結論は、統合データ基盤と説明可能性を核にした同時最適化の設計で、コストとリスクを現実的に削減できるというものです。

1. 南鳥島沖レアアース泥の実海域フェーズと技術課題

JAMSTEC（SIP海洋）による公表では、南鳥島沖EEZ（水深約6,000m）で、採鉱システム（揚泥管・機器接続〜採鉱機貫入まで）の接続試験を実施する計画が示されています。環境モニタリングとして、海底側に「江戸っ子1号COEDO」/環境DNA自動採取装置/ハイドロフォンを設置し、洋上側でも観測装置の性能試験を行うとされています。さらにロイター通信は、探査船「ちきゅう」による月単位の深海試験航海（6km深からの揚泥の継続的試行）が開始された旨を報じています。

Google Mapより

ポイントは、ここから先は「海の上で、長期間、壊さず、安全に、観測しながら動かす」勝負になるということです。技術的には、資源工学というより遠隔自律運用（ロボ＋IoT＋AI）の総合格闘技です。

深海開発における最大の壁は、「見えない」ことです。光は届かないので、基本的には音波（ソナー）を使って海底の地形や地質を探ります。しかし、広大な海域のソナー画像を人間が目視でチェックするのは不可能です。ここでAI（機械学習・ディープラーニング）の出番です。

レアアース泥は、海底の特定の層に高濃度で存在しています。特に南鳥島周辺の深海6,000mにある「レアアース泥」は、世界需要の数百年分とも言われる埋蔵量を誇ります。
しかし、課題は山積みです。「どうやって探す？」「どうやって採る？」「コストは？」ここで登場するのが、我々が日々扱っているテクノロジーと言えるでしょう。

2. 深海採鉱をフィジカルAIシステムとして設計する

ここでは「フィジカルAI」を、センサーで世界を把握し、現場（物理）で行動・制御するAI/ソフトウェア体系（ロボ・車・産業機械・遠隔設備など）として広義に扱います。近年この用語がロボ/自動運転領域で強く語られている点は、英国企業Armの「フィジカルAI」部門新設などでも示唆されています。

レイヤ分解（おすすめの整理軸）

深海採鉱システムをレイヤで分解すると、次の通りです。

レイヤ	何が起きるか	深海6,000mでの論点
1. フィールド（海底）	採鉱・攪拌・揚泥、周辺環境変化	漏洩・拡散、堆積物挙動、異常時の退避
2. センシング（IoT）	音響/化学/生物/映像/ 機械状態	データ欠損・遅延、校正、耐圧・耐腐食
3. エッジ制御（ロボ）	ROV/AUV・採鉱機制御・安全停止	帯域制約、半自律、フェイルセーフ
4. 船上（OT/IT）	統合監視、オペレーション、記録	HMI、手順、権限、証跡、冗長化
5. 陸上（IT/AI）	解析、学習、計画、規制対応	データガバナンス、再現性、監査対応

遠隔か自律か：6,000m級で効いてくる設計の勘所

帯域・遅延が厳しい前提で「自律の境界」を引く必要があります。AUVで高解像度データを取り、資源量評価や作業安全性に寄与できる、という方向性はJAMSTEC側からも示されています（5,500m以深のAUV探査で高解像度化が確認された旨）。深海では、常時リッチな映像・制御を前提にしづらいので、制御は現場（エッジ）で閉じ、人は「監督・介入」する（スーパーバイザリコントロール）、重要イベントだけを高頻度で上げる（イベントドリブン）という分業が現実解になりやすいです。

環境モニタリングは「データ取得」だけでなく「運用手順」が主役です。JAMSTECの試験では海底・船上の同時モニタリングが明示され、海底側にeDNA自動採取やハイドロフォン等を置く設計になっています。ここで差がつくのは、機器スペックより、いつ採るか（タイミング）、どこで採るか（位置同期）、採鉱アクションと紐づくか（トレーサビリティ）、異常時の停止条件に使えるか（制御ループ化）といった「運用設計」です。

「閉鎖型循環」など、プロセス設計が「社会受容性」に直結します。JAMSTECは採鉱時の懸濁物の漏洩・拡散抑止を狙う閉鎖系（閉鎖型循環方式）を説明しています。技術的には、ここが「採れる採れない」以前に、環境・世論・規制に耐える前提条件になります。

3. AI技術の適用：探索・解析・制御

音響データの自動解析

音波探査機（SBP）から得られるデータは、地層の断面図のような画像データになります。従来は熟練の研究者が画像の濃淡を見て「あ、ここ濃そう」と判断していました。AIでは、CNN（畳み込みニューラルネットワーク）で画像セグメンテーションを行います。技術的アプローチとしては、音響データをスペクトログラム画像として扱い、U-NetやDeepLabのようなセマンティックセグメンテーションモデルに適用します。

深海からのデータはノイズまみれです。ここで使えるのが、Denoising Autoencoder（デノイジングオートエンコーダー、DAE）や、画像処理でよく使われるSuper-Resolution（超解像）技術です。粗いソナー画像をGAN（敵対的生成ネットワーク）を用いて高解像度化し、レアアース泥の層の境界線をくっきりさせます。これにより、採掘ロボットが「どこを掘るべきか」をピンポイントで特定できるようになります。

自律型無人潜水機（AUV）とエッジAI

海上の船から遠隔操作するROV（遠隔操作無人探査機）はケーブルが必要で、動きが制限されます。広大なエリアを調査するには、ケーブルレスのAUV（自律型無人潜水機）の編隊運用が必須です。

ここでの技術トレンドはエッジAIです。通信の遅延として、深海から海上への音響通信は低速で、リアルタイムの映像転送は無理です。推論の現地化として、AUVに搭載したGPU（Jetson的なものやFPGA）で、その場で画像を解析し、「あ、これレアアースだ」と判断してサンプリングを行います。

SLAM（Simultaneous Localization and Mapping）技術も重要です。GPSの届かない深海で、自分の位置を推定しながら地図を作る。ここにもカルマンフィルタやパーティクルフィルタ、そして最近ではビジュアルSLAMなどの技術が詰め込まれています。

マテリアルズ・インフォマティクス（MI）への応用

泥を引き上げた後もAIの出番です。「どの成分がどれくらい混ざっている泥に対して、どの試薬をどれくらい入れれば、最も効率よくレアアースを分離できるか？」これはベイズ最適化などの手法を用いたマテリアルズ・インフォマティクス（MI）の領域です。実験回数を最小限に抑え、精錬プロセスを最適化することで、コストを劇的に下げることができます。

4. 環境モニタリングと運用設計

環境モニタリングは「後付けの測定」ではなく「制御ループ」に入る必要があります。ISA（国際海底機構）は、深海鉱業に関する環境影響評価（EIA）や基礎環境データ整備など、標準・ガイドライン群を整備しています。国家管轄（EEZ）でも、社会受容性・国際目線を考えると、環境データの取り方は「監査耐性」が重要になります。

環境モニタリングの構成要素は次の通りです。

海底側：江戸っ子1号COEDO、環境DNA自動採取装置、ハイドロフォン
船上側：統合監視、オペレーション、記録
陸上側：解析、学習、計画、規制対応

IT/AI側の勝ち筋は「デジタルツイン」より先に「運用OS」を作ることです。深海は、机上の最適化より「止まらない運用」が先に必要になります。おすすめは、いきなり「デジタルツイン全面」ではなく、観測・制御・ログの最小セット（MVP）を定義、異常時の停止条件と復帰手順を先に作る、環境モニタリングを監査可能な証跡として設計（いつ・どこ・何が起きたか）この順で「運用OS」を固めることです。

5. 次アクションと検証

仮説

レアアース泥の成否は「採れるか」より「運用できるか」で決まります。深海6,000mは、地上の工場のように人が駆けつけられません。したがって遠隔操作、自律制御、状態監視、保全、環境モニタリングを統合した「運用システム」が価値の中核になります。

根拠

BSR自動判別と地形超解像で探索効率が向上
連続揚鉱の実証蓄積が制御モデル化の土台になる
画像×地化学の融合で選鉱設計が加速
公開映像資産が生態監視AIの教師になる
JAMSTECの公表でも、採鉱の作動検証に加えて海底・船上の同時モニタリングが明示されている

次アクション

技術PoC（3〜6週間）

海底センサーを想定したデータ欠損・遅延を再現し、イベント駆動で監視できるか
eDNA/音響などのサンプリング計画を「採鉱アクションと紐づく設計」に落とす

運用設計（1〜2ヶ月）

「異常」を分類（機械・通信・環境）し、停止→退避→復帰のRunbookを作る
ログの監査要件（誰が、いつ、何を、なぜ操作）を定義

事業・リスク（並行）

EEZ内だからこそ、国際目線の説明責任（EIA相当）をどう作るかを先に合意
供給網リスクが収益性を左右する前提で、価格シナリオを用意

おわりに

「レアアース泥」と聞くと、地質学や資源工学の話に聞こえますが、その実態は「極限環境におけるデータ収集・解析・制御」という、極めてIT的な課題の塊です。

適用される技術領域は次の通りです。

海底画像の解析（コンピュータビジョン）
音響データの処理（シグナルプロセッシング）
AUVの自律制御（ロボティクス/エッジ AI）
採掘プロセスの最適化（オプティマイゼーション）
センサーで世界を把握し、現場で行動・制御するAI/ソフトウェア体系（フィジカルAI）

日本の資源エネルギー安全保障を救うのは、意外と我々が普段いじっているPythonコードや、学習モデルなのかもしれません。
深海は、宇宙と同じくらい「未知のデータ」が眠るフロンティアです。その扉を開くのは、未来のあなたかもしれませんね。

参考

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up