新技術・技術紹介– category –
-
IBMとAlgorithmiq、量子コンピューターが古典的検証を超える材料シミュレーションで量子優位性を実証
IBM Newsroom アメリカ 概要 IBMとAlgorithmiqは、古典的検証が不可能な量子計算の信頼性を確立する新しいフレームワークを用いて、異種量子材料のシミュレーションにおいて量子優位性を実証しました。この画期的な成果は、量子コンピューターが古典的な計... -
UWの研究、AI逆設計フレームワークで多機能材料発見を加速：熱伝導率60%向上、コスト10%削減
Mechanical Engineering | University of Washington アメリカ 概要 ワシントン大学（UW）の研究チームが、物理学ベースのモデリングと機械学習を組み合わせた新しい「逆設計フレームワーク」を開発し、多機能材料の発見を加速させました。このフレームワ... -
Berkeley Lab、AIと熱力学融合の新モデリングで先端材料開発を加速：固相反応予測精度向上
Berkeley Lab アメリカ 概要 新しいモデリングフレームワークが、正確な熱力学と機械学習を活用し、固相反応における中間化合物、最終生成物、不純物を含む一連の事象を正確かつ迅速に予測します。これにより、有望な新材料の合成方法を明らかにし、実用化... -
Kolmogorov–Arnold Networksが熱電材料設計を革新：高精度・解釈可能な特性予測を実現
PMC アメリカ 概要 本研究は、高性能な熱電材料の設計に必要な正確かつ解釈可能なモデルを提供するため、Kolmogorov–Arnold Networks（KANs）を熱電特性予測に導入しました。KANsは、従来の多層パーセプトロン（MLP）に匹敵する予測精度を達成しながら、構... -
ノースウェスタン大学、AIで材料界面の複雑な原子構造を解明する新計算手法を開発
McCormick School of Engineering (Northwestern University) アメリカ 概要 ノースウェスタン大学の研究者は、材料界面の複雑な原子構造を明らかにする新しいAI駆動型計算手法を開発しました。このアプローチは、機械学習、高度な構造探索、量子力学計算... -
ユニバーサル計算戦略で低次元材料を大量発見：Materials Projectから9139種
ACS Chemistry of Materials アメリカ 概要 本研究は、ユニバーサル機械学習原子間ポテンシャル（UMLIPs）と高度な原子間力定数（FC）ベースの次元分類方法を組み合わせて、Materials Projectデータベースから大量の新しい低次元材料を発見しました。35,68... -
アルゴンヌ国立研究所、AIエージェントで新材料発見を数ヶ月から数日に短縮
Argonne National Laboratory アメリカ 概要 アルゴンヌ国立研究所の研究チームは、材料中の原子相互作用を予測する強力なシミュレーション手法を自動化するAI駆動型システムを実証しました。このシステムは、複数のAIエージェントが原子シミュレーション... -
OAE PublishingがAI-eChemist自律型ラボの開発を発表：電気触媒研究を加速
OAE Publishing Inc. 不明 概要 OAE Publishing Inc.は、電気触媒研究を劇的に加速させる「AI-eChemist Laboratory」の開発を発表しました。この自律型ラボ（SDL）は、インテリジェントな意思決定、自動化されたハイスループット実験、マルチモーダル特性... -
SLAC他4研究機関、AIによる燃料生産触媒開発を共同実証も標準化の課題浮上
Facebook (SLAC National Accelerator Laboratory) アメリカ 概要 SLAC、スタンフォード大学、ペンシルバニア州立大学、UCサンタバーバラの研究者が、AIを活用した燃料生産触媒開発の実験で協力し、その有効性を実証しました。しかし、4つのラボ間で触媒試... -
ポリエチレン向けMLIP：オリゴマー学習で巨大高分子の熱力学・構造・動特性を正確に予測
arXiv アメリカ 概要 本論文は、高分子向けの機械学習原子間ポテンシャル（MLIP）開発を研究し、ポリエチレンをモデル系としてAtomic Cluster Expansion (ACE)がポリマー用途に最も効果的な記述子であることを特定しました。小さなオリゴマーで適合させたA... -
ACS Materials Auが電気触媒シミュレーション向け機械学習ツールの包括的チュートリアルを公開
ACS Materials Au アメリカ 概要 ACS Materials Auは、電気触媒シミュレーションのための機械学習ツールに関するチュートリアルを公開しました。このチュートリアルでは、機械学習交換相関汎関数、ガウス過程最適化器、MACEのようなML原子間ポテンシャルな... -
分子動力学シミュレーション向けMLIP：原子環境抽出「削除法」が生成AI含む手法を上回る
arXiv アメリカ 概要 大規模な分子動力学シミュレーションに機械学習原子間ポテンシャル（MLIP）を適用する際の課題である、大規模構造からDFT計算に適した小規模な原子環境を抽出する最適な方法が体系的に分析されました。本研究では、拡散ベースの生成AI... -
事前学習済みMLIPからの原子特徴量、材料生成モデルの評価に有効性を発揮
arXiv アメリカ 概要 この論文では、MACEのような事前学習済み機械学習原子間ポテンシャル（MLIP）から抽出される原子平均特徴量が、材料生成モデルの出力評価において有効であることを示しました。研究チームは、品質と新規性の両方を単一の分布ベース評... -
AI駆動型バッテリー化学シミュレーター、出力妥当性と化学感度における敵対的堅牢性を評価
OpenReview アメリカ 概要 AI駆動型バッテリー化学シミュレーター（MACE-MP-0やCHGNetなどの機械学習原子間ポテンシャルMLIPを含む）の敵対的堅牢性に関する初の体系的な評価が発表されました。物理的制約を持つモデルは90～92%の物理的出力妥当性を維持す... -
量子機械学習原子間ポテンシャル：変分量子アルゴリズムで分子エネルギー予測精度を向上
arXiv アメリカ 概要 本研究は、量子回路学習を機械学習原子間ポテンシャル（MLIP）に適用し、分子データセットのエネルギー予測精度を向上させました。量子転移学習アーキテクチャを用いて既存のANIモデルを再トレーニングし、量子回路シミュレーター上で... -
物理情報型・知識駆動型生成AIが多孔質酸化物エネルギー材料の自律的発見を牽引
arXiv アメリカ 概要 次世代エネルギー貯蔵材料の発見は、その設計の複雑さによってますます困難になっていますが、本論文は生成AIを物理学に基づき、アプリケーションと合成を考慮した逆設計へと発展させるロードマップを提示しています。多孔質酸化物電... -
イェール大学とPNNL、Microsoft AI活用でリチウム70%削減の革新的固体電解質N2116を発見
Facebook (Yale Engineering) アメリカ 概要 イェール大学とパシフィック・ノースウェスト国立研究所（PNNL）の研究チームが、Microsoft AIとの協業により、リチウム使用量を最大70%削減できる新しい固体電解質N2116の発見に成功しました。この材料は、従... -
AIが材料発見を加速：生成デザインから自律的実現までを網羅するレビュー論文発表
ACS Chemical Reviews アメリカ 概要 材料発見を加速するAI手法に関する包括的なレビュー論文が発表されました。このレビューは、計算設計、データインフラ、合成計画、自律的実験を統合したワークフローに焦点を当てています。VAE、GAN、拡散モデル、ベイ... -
富士通、AIワークロードの爆発的増加で半導体産業が再定義、シリコンインターポーザや次世代熱材料の重要性増す
Fujitsu Global 日本 概要 富士通は、AIワークロードの爆発的な増加によって半導体産業が根本的に再定義されていると指摘しました。この記事では、AIインフラの性能を最大化するために、シリコンインターポーザや次世代熱材料などの先進的なパッケージング... -
テネシー大学、AI駆動型材料ラボ「ATHENA」に2000万ドルのNSF助成金獲得、材料特性評価を30倍加速
AI Loop (テネシー大学に関する報道) アメリカ 概要 テネシー大学は、ナノスケールおよび原子スケール材料に焦点を当てたAI駆動型材料ラボ「ATHENA」を設立するため、国立科学財団（NSF）から2000万ドルの助成金を受けました。ATHENAはAI駆動型研究所の全...
