マテリアルインフォマティクス– category –
-
東京科学大学・東北大学、AIの予測根拠を可視化する「解釈可能なAI」手法を開発、材料設計を加速
不明 日本 概要 東京科学大学と東北大学の研究者グループが、AIモデルが材料特性をどのように予測するかの根拠を説明する「解釈可能なAI」手法を開発しました。この新技術は、原子構造と光学スペクトル間の複雑な関係性を明確に特定し、AIの推論過程を可視... -
arXiv論文：計算材料科学、AI・ロボティクス統合で材料探索のリスク低減とメカニズム解明へ進化
arXiv アメリカ 概要 arXivで発表された論文は、計算材料科学が単なる数値再現から、材料探索をガイドしリスクを低減するアルゴリズムへと進化していることを強調しています。この新たなパラダイムは、高忠実度計算、不確実性対応フレームワーク、マルチス... -
ワシントン大学、AIと量子コンピューティングで量子材料シミュレーションを大規模化、新現象発見
EurekAlert! アメリカ 概要 ワシントン大学の材料科学者たちは、AIと量子コンピューティングを統合することで、これまで不可能だった大規模な量子材料シミュレーションを実現しました。この革新的なアプローチにより、従来の小規模なモデルでは観察できな... -
世界経済フォーラム、AIとセルフドライビングラボで材料発見を数年から数ヶ月に短縮する新戦略を提言
The World Economic Forum スイス 概要 世界経済フォーラムは、気候変動対策の鍵となる材料イノベーションを加速するため、AIと自動化された実験を統合した「クローズドループ学習システム」や「セルフドライビングラボ」の導入を提言しました。このアプロ... -
量子コンピューティング、結晶材料シミュレーションに必要な量子ビット数を4〜8個削減する新フレームワーク発表
Quantum Zeitgeist イギリス 概要 ロンドン・センター・フォー・ナノテクノロジーの研究者らが、結晶材料の量子シミュレーションに必要な量子ビット数を大幅に削減する「周期対称適応エンコーディング」フレームワークを発表しました。この新手法は、結晶... -
Hugging Face論文集、3D畳み込みオートエンコーダと潜在拡散モデルを組み合わせた電子密度生成フレームワークを公開
Hugging Face 国際 概要 Hugging Faceの論文コレクションには、電子密度の生成潜在空間ダイナミクスを学習するための生成フレームワークが紹介されました。このフレームワークは、3D畳み込みオートエンコーダと潜在拡散モデルを組み合わせることで、ab ini... -
スウェーデン・チャルマース工科大学、物理法則組み込みAIで量子コンピューティング向け光学部品開発効率を劇的に向上
SciTechDaily スウェーデン 概要 スウェーデンのチャルマース工科大学の研究者らは、物理法則をニューラルネットワークに直接組み込む機械学習アプローチを開発し、高度な光学部品の開発効率を劇的に向上させることに成功しました。この「物理法則を学習し... -
UniFFBench、汎用機械学習力場UMLFFsを実験測定値と照合し、材料シミュレーションの安定性・忠実度・弾性特性を評価
arXiv 国際 概要 新しいベンチマークフレームワーク「UniFFBench」が発表され、汎用機械学習力場（UMLFFs）を多様な鉱物システムに対する実験測定値と照合して評価します。UniFFBenchは、分子動力学（MD）シミュレーションの安定性、有限温度での構造忠実... -
大規模データセットにスケールアップされた制約なしMLIPs、静的シミュレーションで既存モデルを凌駕
ResearchGate 国際 概要 大規模データセットにスケールアップされた「制約のない」機械学習原子間ポテンシャル（MLIPs）が、幾何学的最適化や格子力学などの静的シミュレーションワークフローにおいて、物理的に制約されたモデルと比較して精度と速度の両... -
Chemistry World誌、AIエージェントとMLIPsが触媒発見をシミュレーションからスケールアップまで加速する最前線
Chemistry World イギリス 概要 Chemistry World誌は、AIエージェントと機械学習原子間ポテンシャル（MLIPs）が触媒発見プロセスをシミュレーションからスケールアップまで加速する最前線を報じました。MLIPsは、計算負荷の高い密度汎関数理論（DFT）シミ... -
液状(U,Zr)の熱物理・構造予測で機械学習SNAPがMEAMを上回り、粘度異常や二十面体短距離秩序を解明
PubMed 国際 概要 液状ウラン-ジルコニウム(U,Zr)混合物の熱物理的および構造的特性の予測において、機械学習ベースのSpectral Neighbor Analysis Potential (SNAP)が、経験的Modified-Embedded Atom Model (MEAM)よりも高い予測能力を示しました。この研... -
多層hBNの機械学習粗視化ポテンシャルにVirial-Matchingを導入し、2D材料のメソスケール問題を解決
The Journal of Physical Chemistry C - ACS Publications 国際 概要 多層hBNのような多成分2D材料向けに、機械学習ポテンシャルに基づくボトムアップ型virial-matching粗視化手法が開発されました。このアプローチは、2D材料のメソスケール機械問題におけ... -
MLIPsの電子エントロピー課題を解決：電荷状態埋め込みでバッテリー材料予測精度を向上
arXiv 国際 概要 従来の機械学習原子間ポテンシャル（MLIPs）が混合原子価材料における電子エントロピーを捉えきれず、予測精度に課題があることが指摘されました。この課題に対し、訓練中に電荷状態情報をMLIP表現に埋め込むことで、バッテリー正極材料Na... -
スパース性促進ファインチューニング、事前学習済み等価材料基盤モデルのドメイン適応性を強化
arXiv 国際 概要 事前学習済み等価材料基盤モデル（MLIPs）をドメイン固有のアプリケーションに堅牢かつ解釈可能に適応させるための、スパース性促進ファインチューニング手法が提案されました。この手法は、モデルパラメータを選択的に更新することで、フ... -
DP-EVAフレームワーク、大規模原子モデルの事前学習済み知識を最大化しデータ効率の高いMLIPsを開発
Clean Energy | Oxford Academic 国際 概要 新しいデータ効率の良いファインチューニングフレームワーク「DP-EVA」が導入されました。これは、大規模な原子モデルの事前学習済み知識を最大限に活用し、ドメイン固有の機械学習原子間ポテンシャル（MLIPs）... -
MDPIのレビュー、製薬化学におけるML駆動型分子設計と構造-特性-性能関係の統合フレームワークを提唱
MDPI 国際 概要 MDPIに掲載されたレビュー論文は、製薬化学における機械学習（ML）の役割を深く考察し、分子設計、合成の実現可能性、そして構造-特性-性能（SPP）関係を統合するフレームワークを提案しました。このレビューは、分子基盤モデルや拡散ベー... -
ブラウン大学とミシガン大学、金属の未発見中間相物質を安定化させ量子コンピューティングへ新たな洞察
SciTechDaily アメリカ 概要 ブラウン大学とミシガン大学の研究者らが、金属の一般的な2つの結晶配置間に存在する、これまで捉えられていなかった中間相の物質を安定化させることに成功しました。この数十年にわたる予測が遂に現実のものとなった発見は、S... -
PhononBench、AI結晶生成モデルの動的安定性を評価する大規模ベンチマークを公開
arXiv 国際 概要 AIモデルによって生成された結晶構造の動的安定性を評価するための大規模なベンチマーク「PhononBench」が発表されました。PhononBenchは、DeepMindのMatterGenのような現在の結晶生成モデルが安定な構造を生成する際の限界を浮き彫りにし... -
XRDiff、拡散モデルを活用し粉末X線回折データから結晶構造を予測する新手法
arXiv 国際 概要 新しい拡散モデル「XRDiff」が開発され、粉末X線回折（PXRD）データから結晶構造を予測することを可能にしました。XRDiffは、部分的な化学組成入力でも機能し、スペクトルから構造へのマッピングを学習することで、多形体を区別できるほど... -
Tech Science Press誌、AI・ML・生成モデルによる材料科学のパラダイム進化を特集
Tech Science Press 国際 概要 Tech Science Pressのジャーナル『CMC』2026年第88巻第2号が、AI、機械学習、生成モデルが材料科学の科学的パラダイムをどのように進化させているかを特集しました。本号には、フェデレーテッドLLMエコシステムに関する調査...
