新技術・技術紹介– category –
-
ジョージア工科大学、NSF CAREER賞で半導体強誘電体と複合材料のAI設計を加速
Georgia Tech College of Engineering アメリカ 概要 ジョージア工科大学のローラ・ガルテン教授がNSF CAREER賞を受賞し、半導体強誘電体材料の結晶構造、電場、光吸収をAIで微調整する研究を推進しています。この研究は、新型強誘電体トランジスタ、医療... -
AIによる材料発見のボトルネックが「検証」へ移行：DeepMind GNoMEの予測、合成検証は約0.2%に留まる課題
AI Invasion アメリカ 概要 AIはAlphaFoldによるタンパク質構造予測やGNoMEによる材料候補発見で「生成問題」を解決しましたが、現在は「検証」が新たなボトルネックとして浮上しています。DeepMindのGNoMEが予測した38万の安定結晶候補のうち、実際に独立... -
Scilight Press、LLMエージェントとMaterials Project統合の新フレームワーク「Harness」でペロブスカイトのバンドギャップ予測を強化
Scilight Press 不明 概要 Scilight Pressが、材料科学における大規模言語モデル（LLM）エージェントと既存データベースの統合を目的とした新しいフレームワーク「Harness」を提案しました。このフレームワークは、LLMエージェントからの提案を、Materials... -
ベトナムの研究者、AIによる「逆設計」アプローチでポリマー・医薬品・金属の新材料発見を加速
Vietnam News ベトナム 概要 ベトナムの科学者たちは、材料科学においてAIを用いた「逆設計（inverse design）」アプローチを積極的に探求しており、望ましい特性から適切な材料構造を特定することで新材料発見を加速させています。この手法は、従来の材料... -
Google DeepMindのGNoME、AIで新結晶構造220万種を発見、800年分の実験的知見に匹敵
Alcimed フランス 概要 Google DeepMindが開発したAIモデルGNoMEが、材料科学において220万種類もの新規結晶構造を特定し、そのうち38万種類が安定であると予測され、これは人類が800年かけて実験的に発見する量に匹敵する偉業を達成しました。MatterGenや... -
DTU研究者、MLIPが長距離相互作用の精度向上に課題、大気衝突シミュレーションでAIMNet2とPaiNNを評価
DTU Research Database デンマーク 概要 デンマーク工科大学（DTU）の研究者らは、AIMNet2とPaiNNという機械学習原子間ポテンシャル（MLIPs）が、大気クラスター形成における分子衝突の高精度モデリングにどれほど貢献するかを評価しました。量子化学デー... -
ランダム化を用いた高速量子シミュレーションにより、マルコフ開量子系のスケーラビリティと精度が向上
Quantum (Scientific Journal) 国際 概要 研究者らは、マルコフ開量子系のシミュレーションを高速化し、より正確にするための新しい非確率的アルゴリズムを導入しました。この「ランダム化」を用いた手法は、量子操作を選択する際に制御されたランダム性を... -
自律走行型ラボと閉ループAIが科学的発見の経済性を変革、R&Dコストと時間を大幅削減
Exponential Industry 国際 概要 自律走行型ラボと閉ループAIの統合は、特に化学と材料科学の分野において、科学的発見の経済性を根本的に変革しています。Acceleration Consortiumのような取り組みでは、アクティブラーニングアルゴリズムとロボット合成... -
幾何学的制約モデルCDSM、コラーゲン構造予測で計算コストを400～790倍削減しDFT同等精度を達成
bioRxiv アメリカ 概要 CDSM（Empirical Geometry-Guided Model）は、経験的幾何学的制約を明示的にエンコードすることで、コラーゲンの堅牢かつ高スループットな構造予測を実現するモデルです。このモデルは、構造予測問題を大幅に圧縮し、計算コストを従... -
AIによる超伝導体候補生成は「発見」ではない：物理学的判定器がGNoMEとMatterGenの限界を指摘
arXiv アメリカ 概要 この論文は、AIが提案する超伝導体候補が単なる熱力学的安定性だけでなく、必要な物理的特性を備えているかを評価する「物理学的判定器」を導入しています。GNoMEやMatterGenのような生成モデルは数百万もの「安定な」結晶構造を提案... -
AI材料研究に「物理法則を認識する」AIが不可欠：熱伝導率予測で性能差が浮き彫りに
Columbia Engineering アメリカ 概要 コロンビア大学工学部は、材料科学におけるAI、特に量子レベルの構造から巨視的特性を予測する機械学習ポテンシャル（MLP）において、「物理法則を認識する（physics-aware）」AIが不可欠であると強調しています。Mich... -
シンガポール国立大学が「AIファウンドリ」を構築、材料発見を予測・実験・学習の継続サイクルで変革
EurekAlert! シンガポール 概要 シンガポール国立大学（NUS）のProf. Ongが、「AIファウンドリ」を構築し、材料発見を予測、実験、学習の継続的なサイクルで変革するMaterialyze.AI Labを主導しています。Materials Projectの創設開発者であり、pymatgenの... -
大規模言語モデルが化学合成プロトコルを自動生成、材料製造の「ラボから工場へ」のギャップを橋渡し
MDPI スイス 概要 本レビューは、材料の特性予測を超え、製造可能性の課題に取り組むAI駆動型の合成・製造戦略に焦点を当てています。大規模言語モデル（LLM）が化学を言語翻訳タスクとして捉え、合成手順を直接生成する可能性を議論しています。LLMが創造... -
AI生成デザインとロボット製造の統合が建築ワークフローを革新、持続可能な建築と高精度を実現
designedbyai.io 不明 概要 現代の建築ワークフローにおいて、AI生成デザインと製造の統合が進化しており、特にトポロジー最適化を通じて、軽量で高性能なコンポーネントを少ない材料（コンクリートや鋼材）で実現しています。これにより、持続可能な建築... -
生成AIによるナノ材料設計ワークフローが実用段階へ、R&Dにデータと実験統合が必須
nano-matter.com 不明 概要 2026年現在、生成AIを用いたナノ材料設計ワークフローは単なる実験的な好奇心の対象ではなく、実用的なR&Dツールとして構築されつつあります。これらのワークフローは、逆設計ジェネレーター、特性予測サロゲート、合成可能... -
材料発見のボトルネックはモデルの「構成」能力：LLMエージェントが専門モデル統合の鍵
RSC Digital Discovery イギリス 概要 材料発見における主要なボトルネックは、個々のモデルの予測精度ではなく、専門モデルを文脈依存型の多段階科学調査へと「構成」する層の欠如であると指摘する記事です。大規模言語モデル（LLM）エージェントは、標準... -
Hugging FaceがLLMエージェントによる材料発見の仮説生成を公開、MatExpertで固体材料探索を加速
Hugging Face アメリカ 概要 Hugging Faceが発表した最新の研究論文コレクションには、目標駆動型および制約ガイド型のLLMエージェントを用いた材料発見と設計のための仮説生成に関する成果が含まれています。注目すべきは、人間の専門家のワークフロー（... -
マルチエージェントLLM「MAESTRO」が単原子触媒を推論駆動型で設計、従来の限界を突破
ACS Publications アメリカ 概要 MAESTRO（Multi-Agent-based Electrocatalyst Search Through Reasoning and Optimization）は、複数のLLMが協調して高効率な単原子触媒を設計する推論駆動型フレームワークです。LLMエージェントは、自律設計ループ内で反... -
物理法則を組み込んだAIエコシステムが水素貯蔵材料発見を加速、データ・モデル・実験を統合
EurekAlert! アメリカ 概要 研究チームが、再現性を考慮したデータ、熱力学的・動学的に制約されたモデル、AI駆動型インバースデザイン、そして実験的検証を統合する「物理法則を認識した（physics-aware）」水素貯蔵材料発見エコシステムを提唱しました。... -
ソウル大学AIが1.5億の仮想材料から鉛フリー高誘電率材料2種を発見、次世代電子機器へ
Almerja 韓国 概要 ソウル大学の研究者らがAIを活用し、約1億5000万もの仮想化学組成をスクリーニングした結果、次世代電子機器向けの有望な鉛フリー高誘電率材料を2種類特定しました。この「インバースデザイン」戦略は、マルチモーダルな文献マイニング...
