主要成果
MITの研究チームは、結晶材料の3D原子構造と自然言語による記述を組み合わせたマルチモーダルAIモデルを開発し、従来のテキストベースのモデルを上回る材料設計能力を持つことを示しました。Nature Communicationsに掲載された論文によると、このモデルは材料の原子配列や結合パターンを「視覚的」に理解することが可能です。具体例として、全固体リチウムイオン電池の電解質に適した材料を特定させたところ、独立して有望視されていた候補材料を上位の結果として提示することに成功しました。
技術・詳細
本モデルの最大の特徴は、結晶構造という3Dデータと、実験論文や第一原理計算データベースから得られる言語記述を統合した点にあります。従来のLLM（大規模言語モデル）はテキストストリームで学習するため、3Dの結晶配置を直接的に理解できず、また既存の論文データは一部の人気の結晶クラスに偏っているという課題がありました。
研究チームは「コントラスティブ学習（対照学習）」という手法を採用しました。これは、構造とテキスト記述の類似・非類似の例をモデルに比較させることで、脳の視覚領域と言語領域を整合させるのと同様に、幾何学的構造とテキスト記述を統一的に理解させるアプローチです。これにより、化学組成や構造だけでなく、物性、製造上の考慮事項、潜在的な用途までを含む豊かな記述をAIが学習できるようになりました。
検証実験では、AIが生成した記述を含むデータセットで学習したモデルと、論文のテキストのみで学習したモデルを比較しました。その結果、前者のモデルのみが幾何学的構造とテキスト記述を正しく整合させ、機能の予測精度が向上することが確認されました。
背景・業界の文脈
地球上の固体材料の90%以上を占める結晶材料の探索において、AIの活用は不可欠となっています。これまでのAIモデルの多くは、結晶材料を3Dグラフとして処理してきましたが、近年のLLMの台頭により、自然言語によるアプローチが可能になりました。しかし、物理世界の知識の多くは計算データベースに保存されており、テキストベースのモデルでは視覚的な幾何学構造の理解が不足しているという限界がありました。
今後の展望
本研究に携わったJu Li教授は、材料科学において構造の理解は物性や性能を推論する核心であり、原子構造と物性・プロセスの接続を構築することを目指したと述べています。また、Elsa Olivetti教授は、このアプローチが3D構造をより深く洞察し、構造と物性・プロセスをリンクさせることで、材料科学におけるアルゴリズム統合の「ステップチェンジ（段階的な飛躍）」になることへの期待を示しています。研究チームは、この手法が多くの結晶材料に適用可能であると考えています。
元記事: https://news.mit.edu/2026/giving-ai-crystal-clear-view-of-materials-world-1018
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録（週刊・技術動向レポート）
ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます（各メール下部のリンクから）。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます
