マテリアルインフォマティクス– category –
-
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... -
生成AIがハイファッションに新風、金属フォームや透明ニットなど「不可能」な素材のビジョン提示
Observer アメリカ 概要 生成AIがハイファッション業界に新たな創造性をもたらし、金属フォームや透明ニットなど、これまで「不可能」とされてきた素材のビジョンを提示しています。AIはデザインプロセスの発散的な初期段階を加速させ、デザイナーが形状、... -
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... -
Google DeepMind GNoMEとMicrosoft MatterGenが材料発見を加速、数百万の新規安定構造を予測
Facebook (MIT DMSE) アメリカ 概要 Google DeepMindのGNoMEとMicrosoftのMatterGenを含む生成AIモデルが、新規材料の組み合わせを提案し、その安定性を予測することで材料発見を著しく加速しています。GNoMEは数百万もの安定した結晶構造を予測し、その一... -
大規模言語モデルエージェントが、バイオ医薬品の自動合成で成功率50-88%を達成しDMTAサイクルを短縮
PharmExec アメリカ 概要 Agentic AI（エージェント型AI）がバイオ医薬品分野に革命をもたらしており、onepot.aiのような自動化された小分子合成プラットフォームが注目されています。これらのシステムは、逆合成エンジン、ウェブ検索、文献分析ツールを統... -
Radical AIがNYCにAI駆動型自律ラボを開設、材料開発を人間の10倍の速度で加速
The Bulletin (Facebook) アメリカ 概要 材料R&D企業のRadical AIは、ニューヨーク市にAI駆動型自律ラボを構築し、ロボットが材料合成と試験を、AIが次の実験決定を行うことで材料開発を劇的に加速しています。このラボは、人間の10倍の速度で新材料を... -
閉ループ型ナノ材料発見プラットフォーム、AIとロボット統合でR&Dを加速
nano-matter.com 国際 概要 閉ループ型ナノ材料発見プラットフォームは、AI、ロボット合成ハードウェア、および自動特性評価ループを統合し、高度な材料科学における人間のボトルネックを排除するように設計されています。これらのシステムの中核には、複... -
自律型ラボがナノ材料合成と特性予測を最適化、開発リードタイムを大幅短縮
nano-matter.com 国際 概要 セルフドライビングラボ（SDL）は、機械学習アルゴリズムと自動化されたハードウェアを結合し、人間の継続的な介入なしにナノ材料の実験を設計、実行、分析、改良する閉ループシステムとして機能します。これらのラボは、初期の... -
等方性グラフニューラルネットワーク原子間ポテンシャルがナノ材料シミュレーションを100倍高速化
nano-matter.com 国際 概要 等方性グラフニューラルネットワーク（GNN）原子間ポテンシャルは、密度汎関数理論（DFT）に匹敵する精度で原子の力とエネルギーを予測し、計算コストを約100分の1に削減することでナノ材料研究を加速しています。これらの機械... -
米国エネルギー省、AI駆動型自律ラボが科学的発見と経済競争力を加速する戦略発表
Department of Energy (DOE) アメリカ 概要 米国エネルギー省（DOE）は、AI駆動型自律ラボが米国の科学的リーダーシップと経済競争力を直接的に推進する重要な戦略を発表しました。これらのラボは、エネルギー、次世代コンピューティング、国家安全保障、... -
東北大学、AIと自律実験を統合したポリマー材料発見の新フレームワークを提案
EurekAlert! (Advanced Institute for Materials Research (AIMR), Tohoku University) 日本 概要 東北大学の研究者チームが、AIと自律型ラボを統合し、ポリマー材料発見のボトルネックを克服する新しいフレームワークを提案しました。このシステムは、断... -
GRACE-OFFがGRACEアーキテクチャを用い、有機液体向け高精度機械学習原子間ポテンシャルを実現
Journal of Chemical Theory and Computation | ACS Publications アメリカ 概要 本研究は、機械学習原子間ポテンシャル（MLIP）の一種であるGRACE-OFFを導入し、有機液体の分子動力学シミュレーションにおいて量子力学に匹敵する精度を大幅な計算コスト削... -
LAMMPSがDeePMD-kit、NequIPと連携し、量子精度MLポテンシャルによる分子動力学シミュレーションを強化
LAMMPS Molecular Dynamics Simulator アメリカ 概要 オープンソースの分子動力学シミュレーターLAMMPSは、DeePMD-kitやNequIPを含む機械学習ポテンシャル（MLP）のためのクロスコードフレームワークと相互運用ツールをサポートしています。これらのパッケ...
