主要成果
材料探索における計算資源の最適配分を実現するシステム「CrystalJev」が開発されました。この手法は、基盤モデルによる予測エネルギーの閾値判定に頼る従来の手法とは異なり、校正済みの確率を用いて、どの候補に高コストな計算を適用すべきかを決定します。65のMatbench Discoveryモデルを用いた検証では、計算の優先順位を確率ではなく「意思決定における価値」に基づいて順序付けすることで、コストを10分の1に削減しながら、得られる利益の大部分を回収できることが示されました。
技術・詳細
CrystalJevは、原子基盤モデルの上に構築される「System-1」的な意思決定レイヤーとして機能します。具体的には、以下のプロセスで動作します。
- 入力と処理： 構造緩和前の候補物質を、凍結されたポテンシャルモデルに1回だけ通過させます。ここで得られたノード埋め込みや、単一点エネルギー、力、ストレスなどの10個の物理量（物理スカラー）を抽出します。
- 校正済み確率の算出： 抽出された状態に対し、CPUで数分でトレーニング可能な小型のヘッドを適用し、Yes/Noや順序などの質問に対する確率を返します。この確率は、候補プールからランダムに抽出した少量のラベル付きデータを用いて校正されます。
- 意思決定ルール： コンフォーマル予測（Conformal Prediction）による有限サンプル保証を導入し、情報の価値に基づいて、その候補を「構造緩和（System 2）」や「DFT計算（System 3）」へとエスカレーションさせるかを決定します。
また、2,100件のDFT計算を用いた前向きテストでは、既存データで校正した予測が、新候補の安定分率を0.9〜2.2パーセントポイント分過大評価したことが確認されました。これはラベル付けプロトコルの問題ではなく集団のシフトによるものであり、新プールから数百件のラベルを追加することで、ラベルフリーの補正手法よりも確実にバイアスを除去できることが示されました。
背景・業界の文脈
現在の計算材料探索は、数百万件の候補を生成し、基盤モデルで緩和させ、安定と予測されたものをDFTで検証するという「漏斗（ファンネル）」のような構造になっています。しかし、従来の閾値判定（例：予測ハル距離 $\hat{E}_{\mathrm{hull}} \leq 0$）では、その候補が実際に安定である確率や、追加計算によって決定が覆る可能性が考慮されていませんでした。構造緩和はポテンシャルの推論の約30回分、DFTはさらに数桁高いコストがかかりますが、これまではすべての候補が同一の基準で扱われていたという課題がありました。
今後の展望
CrystalJevのような校正済みSystem-1を導入することで、人間が直感（System 1）と熟考（System 2）を使い分けるように、AIが自律的に「いつ高コストな計算を行うべきか」を判断することが可能になります。これにより、材料探索のパイプラインにおける計算コストの劇的な削減と、探索効率の向上が期待されます。
元記事: https://arxiv.org/html/2610.06985v2
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録（週刊・技術動向レポート）
ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます（各メール下部のリンクから）。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます
