新技術・技術紹介– category –
-
フロリダ大学チームがDOE助成金でAI駆動型プラットフォームを開発、航空宇宙・エネルギー向け耐熱材料発見を加速
University of Florida アメリカ 概要 フロリダ大学が主導する研究チームは、米国エネルギー省（DOE）のGenesis Mission助成金を受け、AI駆動型プラットフォームを開発しています。このプラットフォームは、電子顕微鏡、AI、モデリングを統合してデータ分... -
UC BerkeleyとLBNLの研究者がLLMを触媒作用の基礎原理解明に活用、データ標準化と仮説生成で開発を加速
ACS Publications アメリカ 概要 UC BerkeleyとLBNLの研究者は、大規模言語モデル（LLM）が触媒作用の基礎原理を理解する上でどのように貢献できるかを探る論文を発表しました。LLMは、性能データ、分光学的特性評価、メカニズムモデルを統合することで、... -
Meta FAIRとスタンフォード大学の研究者がUMAモデルのファインチューニングによりWS2の酸素プラズマ相互作用を高精度シミュレーション
arXiv アメリカ 概要 Meta FAIRとスタンフォード大学の研究者は、ユニバーサル機械学習原子間ポテンシャル（MLIP）であるUMAモデルをWS2の酸素プラズマ相互作用に特化してファインチューニングすることに成功しました。この研究は、プラズマ-表面相互作用... -
デューク大学チームがDOE資金を獲得し、DNAオリガミを活用したエネルギー関連材料設計AIプラットフォームを開発
Duke University アメリカ 概要 デューク大学の研究チームは、米国エネルギー省（DOE）のGenesis Projectから資金提供を受け、DNAベースの材料を設計するAIプラットフォームを開発しています。このAIフレームワークは、DNAオリガミビルディングブロックが... -
中国の研究者がナトリウムイオン電池の電解質・電極材料の革新と界面戦略をレビュー、AI活用で合理的な設計を推進
MDPI 中国 概要 本論文は、ナトリウムイオン電池（SIBs）の性能向上に向けた電解質および電極材料の革新と、その界面構築戦略に焦点を当てたレビューです。理論計算と機械学習を組み合わせることで、電解質の合理的な設計を導き、新材料の発見と最適化プロ... -
東北大学がAI・自動実験統合型クローズドループシステムを発表、クリーンエネルギー材料開発を劇的に加速
東北大学 日本 概要 東北大学の研究チームが、AIモデル、自動実験、継続的なフィードバックを単一の研究プラットフォームに統合した「クローズドループ」システムを開発しました。この革新的なフレームワークは、大規模材料データベース、機械学習原子間ポ... -
LLNLがAIと分子シミュレーションでナトリウム・リチウムイオン電池の電解質設計に新知見、性能と熱安定性を向上
Commonwealth Union アメリカ 概要 ローレンス・リバモア国立研究所（LLNL）の科学者たちは、分子動力学シミュレーションと物理情報に基づいた機械学習を組み合わせ、ナトリウムイオン電池とリチウムイオン電池の電解質設計に画期的な知見をもたらしました... -
CuspAIがAI材料発見ファウンドリを設立し、4.5億ドルのシリーズB資金調達で評価額26億ドルに達する
Sifted 英国 概要 英国ケンブリッジを拠点とするAI材料発見スタートアップCuspAIは、シリーズBラウンドで4億5000万ドルを調達し、評価額を26億ドルに引き上げました。同社はNvidiaやMetaを含む45以上の組織が参加する「AI Materials Foundry」を立ち上げ、... -
中国の研究者がAI駆動型電解質化学のメカニズム、進捗、戦略的展望をレビュー、リチウムイオン電池の電解質設計を革新
Energy & Environmental Science 中国 概要 本レビュー論文は、リチウムイオン電池（LIB）の次世代電解質設計におけるAIの革新的な役割を詳細に解説しています。AIは、実験データ、量子化学記述子、分子シミュレーションを統合することで、電解質の構造-特... -
MITの研究者が機械学習原子間ポテンシャルを活用し、高エントロピー合金の酸素還元反応におけるラテラル相互作用の重要性を解明
PubMed アメリカ 概要 MITの研究チームは、機械学習原子間ポテンシャル（MLIP）を活用したフレームワークを開発し、Ag-Ir-Ru-Pd-Pt-Cu-Rh-Re高エントロピー合金の組成空間における酸素還元反応（ORR）をモデル化しました。この研究は、混み合った表面でのO... -
UNCCの研究グループが機械学習原子間ポテンシャル生成ツール「PyXtal_FF」を開発、原子シミュレーションの計算コストを大幅削減
University of North Carolina at Charlotte アメリカ 概要 ノースカロライナ大学シャーロット校（UNCC）の研究グループは、機械学習原子間ポテンシャル（MLIAP）生成のためのパッケージ「PyXtal_FF」を開発しました。MLIAPは、量子力学シミュレーションに... -
Q-CTRLが量子ダイナミクスシミュレーター「Fire Opal」を発表、材料科学の複雑な量子問題を古典計算機の3,000倍高速で解決
Q-CTRL オーストラリア 概要 Q-CTRLは、量子コンピュータの性能管理ソフトウェア「Fire Opal」を発表し、材料科学における複雑な量子力学的相互作用のシミュレーション能力を大幅に向上させました。IBM Quantum Platformでのデモンストレーションでは、Fir... -
Argonne国立研究所とシカゴ大学の研究者がLLMエージェントと化学DSLでペロブスカイト酸化物の「逆設計」フレームワーク「ORCHESTRA」を提案
arXiv アメリカ 概要 Argonne国立研究所とシカゴ大学の研究者は、パーソナルな述語でガイドされる言語エージェントがペロブスカイト酸化物の逆設計を可能にする新しいフレームワーク「ORCHESTRA」を提案しました。このシステムは、自然言語の設計ルールを... -
World Fundが欧州のAI材料発見エコシステムを分析：DeepMind、MetaのAIモデルが新素材開発を加速
World Fund 欧州 概要 World Fundは、AIを活用した材料発見の現状と、特に欧州における機会について詳細な分析を公開しました。Google DeepMindのAlphaFold成功以来、M3GNet、DeepMindのGNoME、MicrosoftのMatterGen、MetaのOMat24といった革新的なAIモデ... -
ジョンズホプキンス大学とウェストバージニア大学がAI「逆材料設計」の性能評価ベンチマーク「AtomBench」を開発
Johns Hopkins University アメリカ 概要 ジョンズホプキンス大学とウェストバージニア大学の研究チームは、AI研究の成長分野である「逆材料設計」モデルの性能を比較するためのベンチマーク「AtomBench」を開発しました。逆材料設計は、材料の望ましい特... -
ノートルダム大学がデータ不足を克服するAIポリマー発見プラットフォームを開発、新素材探索を加速
Notre Dame Research アメリカ 概要 ノートルダム大学のAI＆材料イニシアチブは、ポリマーインフォマティクスにおけるデータ不足を克服するため、複数の情報源を活用するフレームワークを開発しました。この研究では、機械学習に必要な大規模データセット... -
ML原子間ポテンシャルを用いたシミュレーションで（MoCrTi）$_{100-x}$Al$_x$高エントロピー合金の秩序-無秩序転移と剛性特性を解明
arXiv 国際 概要 この研究は、汎用機械学習原子間ポテンシャルをハイブリッドモンテカルロ法と分子動力学シミュレーションに組み合わせることで、（MoCrTi）$_{100-x}$Al$_x$難燃性高エントロピー合金の化学的秩序と機械的特性に関する重要な洞察を明らか... -
組織工学向け生体材料設計、AIが材料特性予測、逆設計、製造最適化で経験的限界を突破
IntechOpen クロアチア 概要 このレビュー章は、組織工学における生体材料設計にAI（機械学習、ディープラーニング、生成モデルを含む）がもたらす革新的な応用を包括的に概説しています。AIは、従来の経験的かつ試行錯誤的なアプローチの限界を克服し、材... -
決定木LSBoostアンサンブルMLが積層造形部品の欠陥を最適化し、製造再現性と品質管理を改善
MDPI (Journal of Manufacturing and Materials Processing掲載) スイス 概要 この研究は、積層造形（AM）部品における欠陥の最適化に機械学習、特に決定木LSBoostアンサンブル学習を適用する画期的なアプローチを提示しました。この手法は、限られたデー... -
アクティブラーニングがMACE-MP-0基盤MLFFのファインチューニングを最適化し、少ないデータで完全データ精度を達成
arXiv 国際 概要 この研究は、機械学習力場（MLFF）のトレーニングにおいて、より少ないラベルデータで完全なデータ精度を達成する革新的な手法を提示しました。特に、MACE-MP-0のような基盤MLFFのファインチューニングにアクティブラーニング戦略を適用す...
