マテリアルインフォマティクス– category –
-
ACS Publications、生成型多目的最適化でポリマー化学の設計期間を短縮
ACS Publications アメリカ 概要 ACS Publicationsで発表された研究が、ポリマー化学における生成型多目的最適化手法を提案し、初期段階の材料発見を加速する堅牢な経路を提供します。この手法は、モノマーレベルとポリマー特性間の相関を活用することで、... -
TUデルフトとETHチューリッヒ、ChatGPT風AI「DiffuMeta」で複雑なメタマテリアルを逆設計
ESEF Maakindustrie オランダ 概要 TUデルフトとETHチューリッヒの研究者が、ChatGPTに似たAIモデル「DiffuMeta」を開発し、軽量かつ強力なメタマテリアルを設計することに成功しました。DiffuMetaは、材料の形状を数学的文として表現することで、特定の機... -
ASM International、CALPHAD、DFT、MLIPs、AIエージェント統合で計算材料設計を加速
ASM International アメリカ 概要 ASM Internationalのウェビナーで、CALPHAD、密度汎関数理論（DFT）、機械学習原子間ポテンシャル（MLIPs）、およびAIアシストシミュレーションワークフローを統合し、材料発見と設計を加速する最新の進歩が紹介されまし... -
Orbital Industries、AI材料プラットフォームで5000万ドルのシリーズB資金調達を達成
Fundraise Insider イギリス/アメリカ 概要 AIを活用して先進材料を設計するスタートアップのOrbital Industriesが、シリーズBラウンドで5000万ドル（約78億円）を調達しました。同社は、材料発見、エンジニアリング、製造を単一システムに統合するAI産業... -
arXiv、マルチモーダル学習とGNNでスタック型2D材料の特性予測を高度化
arXiv 不明 概要 arXivに公開された最新の研究で、スタック型二次元（2D）材料の特性予測のためのマルチモーダル学習アプローチ「BiMat-ML」が提案されました。この手法は、計算コストの高い密度汎関数理論（DFT）に代わり、グラフニューラルネットワーク... -
湾岸大学、AIとグラフニューラルネットワークで材料特性予測の革命を推進
Gulf University バーレーン 概要 湾岸大学（Gulf University）の研究が、AI、特にグラフニューラルネットワーク（GNN）が工学研究、特に材料科学において革新的な変化をもたらしていることを強調しています。GNNは材料の原子構造から硬度、導電性、熱安定... -
Citrine PlatformとAI、反復実験でグラファイト系アノードの故障率を大幅削減
arXiv 不明 概要 本研究は、Citrine PlatformとAIを活用した反復的なクローズドループワークフローにより、グラファイトベースのアノード配合設計と最適化を実現し、プロセス故障率を大幅に削減しました。このプラットフォームは、データ管理、機械学習、... -
ヨーロッパ、シミュレーションと生成AIで材料設計を革新しグリーン・デジタル移行を加速
MaX ヨーロッパ 概要 シミュレーションとAIの統合がヨーロッパの材料設計のロジックを根本的に変革し、グリーンおよびデジタル移行における競争力を強化しています。生成AIツールは、数ヶ月から数年かかっていた試行錯誤の実験を、潜在的な化学組成と構造... -
米国エネルギー省、SLACとCitrine Informaticsの提携でAIによる新材料発見を加速
Department of Energy アメリカ 概要 米国エネルギー省（DOE）のSLAC国立加速器研究所は、AI駆動型材料インフォマティクス企業のCitrine Informaticsと新たな官民パートナーシップを締結し、AIを活用した新材料発見の未来を探求しています。この提携は、Ci... -
材料AI配合ソフトウェアのトップ7を比較：Schrödinger、Citrine InformaticsなどがR&Dを加速
ChemCopilot アメリカ 概要 ChemCopilotが発表した2026年版「AI配合ソフトウェア トップ7」では、Schrödinger、Citrine Informatics、ChemCopilot、Uncountable、Suntheticsなどが、化学・材料産業におけるR&Dを加速する主要プラットフォームとして比... -
Google DeepMindのGNoMEが200万以上の新結晶構造を予測、AIと自律型ラボが化学工学を革新
Medium アメリカ 概要 Google DeepMindのGNoMEプロジェクトが、グラフニューラルネットワーク（GNN）を用いて200万以上の新しい安定な結晶構造を予測し、過去1世紀の既知材料カタログの総数を上回る成果を達成しました。これにより、自律型ラボ（A-Lab）が... -
米国エネルギー省、基礎モデルと生成AIで『予測可能機能』材料の逆設計を推進
Department of Energy アメリカ 概要 米国エネルギー省（DOE）は、基礎モデル、生成AI、エージェントAIを統合した物理学認識AIフレームワークが、予測可能な機能を持つ材料の逆設計を実現する画期的なアプローチであると発表しました。このフレームワーク...
12