新技術・技術紹介– category –
-
リチウム金属電池｜AIで132万個の分子を分析し非フッ素系希釈剤368種を特定
AI타임스 韓国 概要 ソウル大学の研究チームが、AIを用いてリチウム金属電池用の次世代電解質素材を探索し、約132万個の分子から有望な候補368種を特定した。物理・化学的指標を組み合わせた機械学習アルゴリズムにより、従来の実験ベースの探索を大幅に効... -
ナトリウム電池｜SEI形成を解明する機械学習ポテンシャルqNEPの性能と手法
BIOENGINEER.ORG 概要 ナトリウム電池の電極表面に形成される保護膜（SEI）の生成過程を、ナノ秒スケールでシミュレーション可能にする新手法「qNEP」が開発されました。電荷を考慮したニューロエボリューションポテンシャルを用いることで、従来の機械学... -
OrgAIcat｜不完全な文献データから高選択的な有機触媒を予測するMLモデルの性能
BIOENGINEER.ORG 中国 概要 清華大学の研究チームが、過去の文献データを用いて非対称有機触媒反応の選択性を予測する機械学習フレームワーク「OrgAIcat」を開発しました。2000年から2020年までの文献から抽出した13,360件のアルドール反応と9,194件のマイ... -
オープンポリマーデータセット｜リポジトリによる再利用性の格差と品質課題（2020–2025）
BIOENGINEER.ORG 概要 2020年から2025年に公開された53,000件以上のポリマーデータセットを監査した結果、データの再利用性は科学的内容よりも「どのリポジトリに保存したか」に強く依存することが判明しました。リポジトリの選択が再利用スコアの分散の37... -
CLaCとは｜MITが開発した結晶構造とテキストを統合するAI、電池材料探索の効率化
Intelligent Living アメリカ 概要 MITの研究チームが、3D結晶構造と自然言語を同時に学習するビジョン・ランゲージモデル「CLaC（Contrastive Language-Crystal model）」を開発しました。このモデルは、対照学習を用いて結晶の幾何学的構造と記述文を数... -
MARVEL-AI｜A*STARが主導するAI材料開発プラットフォームの機能と実用化経路
A*STAR シンガポール 概要 シンガポールのA*STARが、AIによる材料探索から実用化までを加速させる新イニシアチブ「MARVEL-AI」を立ち上げた。AIモデルによる候補特定と自動実験による検証をループさせることで、金属合金やポリマーなどの開発サイクルを劇... -
エポキシ樹脂の劣化解析｜主成分分析（PCA）による硬化剤別の強度低下メカニズム
BIOENGINEER 概要 教師なし学習の一種である主成分分析（PCA）を用いて、フィラー含有アミン硬化エポキシ樹脂の複雑な劣化挙動を体系的に整理することに成功した。FTIRスペクトル解析により、水分、酸化、フィラー（炭酸カルシウム）の3つの要因が強度低下... -
NVIDIA Tensor Core｜ML原子間ポテンシャルの計算速度向上と精度維持の手法
Blockchain News アメリカ 概要 NVIDIAは、モデルの再学習やアーキテクチャ変更なしに、機械学習（ML）原子間ポテンシャルの計算を高速化するTensor Core FP32手法を公開しました。Blackwell GPUのBF16x9やAmpere GPUのTF32x3を用いることで、精度をFP32ベ... -
遷移金属炭化物｜機械学習による融点予測、組成のみで十分な精度が出るか
BIOENGINEER 概要 遷移金属炭化物の融点予測において、元素組成のみを用いた機械学習モデルが十分な精度を持つことが明らかになりました。形成エネルギーや局所的な結合幾何構造などの詳細情報を追加しても、予測精度に統計的に有意な向上は見られませんで... -
AI材料モデルの新ベンチマーク｜物理的整合性の検証と熱伝導率予測の課題
BIOENGINEER アメリカ 概要 コロンビア大学とケンブリッジ大学の研究チームが、AIによる材料モデルが物理的に正しい根拠に基づいて予測を行っているかを検証する新しいベンチマークを開発した。このベンチマークは、量子レベルの原子間相互作用をマクロな... -
MXene｜AIによる過去の結晶データ再解析で33個の候補を特定、11種の新物質を合成
xenospectrum 概要 スウェーデンのリンショーピン大学を中心とする国際研究チームが、機械学習を用いて過去の結晶構造データを解析し、見落とされていたMXene候補を33個特定した。この知見に基づき、希土類元素を含む11種類の新しい層状化合物の合成に成功... -
GoogleのVERID｜自律型ウェットラボを実現するAIエージェントの物理的接地技術
Google Research Blog アメリカ 概要 Google Researchは、AIエージェントを物理的な実験ロボットと連携させ、自律的に実験サイクルを回すための基盤技術を開発しました。セマンティック・デジタルツインである「VERID」フレームワークにより、AIは物理的な... -
逆材料設計｜結晶構造と局所電子記述子を同時生成する拡散モデルの性能と課題
npj Computational Materials 概要 結晶構造と局所電子記述子を同時にデノイジングする新しい拡散フレームワークが提案されました。バンドギャップや形成エネルギーを条件とした生成において、構造のみのベースラインよりも高い成功率を達成し、熱力学的安... -
LixSiのリチウム化状態｜MLを用いたXPS結合エネルギー予測による解析手法
npj Computational Materials 概要 機械学習（ML）による結合エネルギー予測と大規模原子シミュレーションを組み合わせ、リチウムシリコン（LixSi）のリチウム化状態を追跡する計算フレームワークが開発されました。この手法は、MLポテンシャルを用いたグ... -
電子構造データ｜ML学習の冗長性を解消しデータ量を最大100分の1に削減する手法
npj Computational Materials アメリカ 概要 材料の電子構造データに大きな冗長性が存在し、低次元の非線形多様体上に本質的な情報が集中していることが明らかになりました。カバレッジベースのデータ削減戦略を用いることで、予測精度を維持したままデー... -
金属の電気伝導率予測｜MLと第一原理計算で280万化合物をスクリーニング
npj Computational Materials 概要 機械学習（ML）と第一原理計算を統合した計算フレームワークにより、280万件以上の化合物から高伝導性の金属候補を特定した。アルミニウム（36.59 × 10^6 S/m）に匹敵する高い電気伝導率を持つ材料が予測されており、LiB... -
多成分遷移金属炭化物｜MACE機械学習ポテンシャルによる合成可能性と硬度の予測
npj Computational Materials スイス 概要 機械学習ポテンシャルを用いて、多成分遷移金属炭化物の合成可能性と硬度を効率的に予測するフレームワークが開発されました。MACEモデルを約28,000件のDFT計算データで微調整し、1,500℃における合成可能性の予測... -
FabartaのAI4S&E｜RSIエンジンによる材料開発から量産までの統合プラットフォーム
Thailand Business News（PR Newswire配信） 中国 概要 Fabarta社は、AI for Science (AI4S) プラットフォームを大幅にアップグレードし、研究開発から工業量産までを統合する「AI4S&E (AI for Science & Engineering)」を発表した。新開発のRSI（... -
ハイブリッド量子機械学習｜Terra QuantumとSchaefflerによる材料モデリングの精度向上
Quantum Computing Report アメリカ 概要 Terra QuantumとSchaefflerが、ハイブリッド量子・古典機械学習を用いた産業用材料シミュレーションの研究成果を学術誌『Computational Materials Science』で発表しました。バッテリー負極研究に関連する銅・リチ... -
結晶構造AIモデル｜MITが開発した材料探索のマルチモーダルAI、性能と仕組み
MIT News アメリカ 概要 MITの研究チームが、結晶材料の3D構造と自然言語を統合して学習させたマルチモーダルAIモデルを開発しました。このモデルは、テキストデータのみの学習モデルよりも優れた材料設計が可能であり、全固体リチウムイオン電池の電解質...
