機械学習– tag –
-
エネルギー的に固定されたMLIP埋め込みが水素発生電極触媒の予測精度を向上
ACS Publications (Journal of Chemical Information and Modeling) 概要 研究者らは、機械学習原子間ポテンシャル（MLIP）由来のエネルギー記述子を事前学習済みCrystal Hamiltonian Graph Neural Network (CHGNet) 潜在埋め込みと統合する「エネルギー的... -
機械学習原子間ポテンシャル（MLIPs）の総合レビュー、基盤モデルと事前学習済みフレームワークの進展を解説
(査読論文のレビュー記事) 概要 本レビュー記事は、分子および材料シミュレーションにおける機械学習原子間ポテンシャル（MLIPs）の包括的な概要を提供し、その理論的基礎、方法論的進歩、および応用を議論しています。特に、ニューラルネットワークポテン... -
OMol25学習MLIPsがNaイオン電池電解液の溶媒和構造をDFT精度で予測、無機MLIPsを凌駕
ACS Publications (Journal of Physical Chemistry Letters) 概要 本研究は、Open Molecules 2025 (OMol25) データセットで学習した機械学習原子間ポテンシャル（MLIPs）が、次世代Naイオン電池用電解液の溶媒和構造を高いDFT（密度汎関数理論）に近い精度... -
普遍的機械学習原子間ポテンシャル（uMLIPs）のファインチューニング戦略、「反復ファインチューニング」が安定・高精度モデルを生成
PubMed 概要 普遍的機械学習原子間ポテンシャル（uMLIPs）のファインチューニング戦略に関する研究で、「反復ファインチューニング」がドメイン外タスクにおいて安定した分子動力学シミュレーションと高精度なモデルを生成することが示されました。uMLIPs... -
ユニバーサルMLIPのバイアスと反復的ファインチューニングがMDシミュレーションの精度を向上
(情報元不明、論文要旨の可能性) 不明 概要 ユニバーサル機械学習分子間ポテンシャル（uMLIP）は周期表全体への適用可能性で注目されるものの、ドメイン外タスクで高い予測精度を得るにはファインチューニングが必要です。本研究では、uMLIPのバイアスが分... -
材料科学に革命をもたらす3つのAI技術：特性予測、生成設計、MLIPの進化
(情報元不明) アメリカ 概要 材料科学分野におけるAIの活用は、特性予測、生成設計、機械学習分子間ポテンシャル（MLIP）という3つの主要な側面で進化を遂げています。AIは材料の特性を高精度で推定し、目標特性を持つ新材料を自律的に提案、さらに原子間... -
AI・機械学習 ウィークリーレポート 2026年7月26日号
▼ ▼ ▼ インフォグラフィックを見てウィークリーレポートを読みたいと感じられた方は、下記の戦略レポートのダウンロードをクリックしてください。 ▼ ▼ ▼ 🎙 ポッドキャスト 2026年7月26日（MP3）を再生・ダウンロード AI・機械学習ポッドキャスト20... -
Google DeepMind、ソフトウェア脆弱性発見とパッチ適用に特化しベンチマークでDeepSWEを上回るAIモデル「Gemini 3.5 Flash Cyber」を政府機関向けに発表
Security Affairs アメリカ 概要 Google DeepMindは、ソフトウェアの脆弱性発見とパッチ適用に特化した新しいAIモデル「Gemini 3.5 Flash Cyber」を発表しました。このモデルは既存の3.5 Flashアーキテクチャを基盤とし、ソフトウェアエンジニアリングタス... -
臨床試験にAIを統合することで効率が向上し、開発が加速、倫理的課題への対応も重要
Krishna School Of Pharmacy & Research (via IJPS Journal) インド 概要 臨床試験へのAI統合が急速に進展し、運用効率の向上、コスト削減、患者安全の強化、治療薬開発の加速に寄与していると報告されています。機械学習、深層学習、予測分析、自然言語処... -
bioRxiv発表：SMART-NeuroDxが試薬不要、ML駆動で4項目同時認知症スクリーニングのLoD 0.087 pg/mL達成
bioRxiv アメリカ 概要 2026年7月23日にbioRxivで発表されたプレプリント論文は、試薬不要かつ機械学習（ML）駆動の多検体バイオセンサープラットフォーム「SMART-NeuroDx」を記述しています。このプラットフォームは、ポイントオブケアでの認知症スクリー... -
Meta FAIRとスタンフォード大学の研究者がUMAモデルのファインチューニングによりWS2の酸素プラズマ相互作用を高精度シミュレーション
arXiv アメリカ 概要 Meta FAIRとスタンフォード大学の研究者は、ユニバーサル機械学習原子間ポテンシャル（MLIP）であるUMAモデルをWS2の酸素プラズマ相互作用に特化してファインチューニングすることに成功しました。この研究は、プラズマ-表面相互作用... -
デューク大学チームがDOE資金を獲得し、DNAオリガミを活用したエネルギー関連材料設計AIプラットフォームを開発
Duke University アメリカ 概要 デューク大学の研究チームは、米国エネルギー省（DOE）のGenesis Projectから資金提供を受け、DNAベースの材料を設計するAIプラットフォームを開発しています。このAIフレームワークは、DNAオリガミビルディングブロックが... -
中国の研究者がナトリウムイオン電池の電解質・電極材料の革新と界面戦略をレビュー、AI活用で合理的な設計を推進
MDPI 中国 概要 本論文は、ナトリウムイオン電池（SIBs）の性能向上に向けた電解質および電極材料の革新と、その界面構築戦略に焦点を当てたレビューです。理論計算と機械学習を組み合わせることで、電解質の合理的な設計を導き、新材料の発見と最適化プロ... -
東北大学がAI・自動実験統合型クローズドループシステムを発表、クリーンエネルギー材料開発を劇的に加速
東北大学 日本 概要 東北大学の研究チームが、AIモデル、自動実験、継続的なフィードバックを単一の研究プラットフォームに統合した「クローズドループ」システムを開発しました。この革新的なフレームワークは、大規模材料データベース、機械学習原子間ポ... -
LLNLがAIと分子シミュレーションでナトリウム・リチウムイオン電池の電解質設計に新知見、性能と熱安定性を向上
Commonwealth Union アメリカ 概要 ローレンス・リバモア国立研究所（LLNL）の科学者たちは、分子動力学シミュレーションと物理情報に基づいた機械学習を組み合わせ、ナトリウムイオン電池とリチウムイオン電池の電解質設計に画期的な知見をもたらしました... -
MITの研究者が機械学習原子間ポテンシャルを活用し、高エントロピー合金の酸素還元反応におけるラテラル相互作用の重要性を解明
PubMed アメリカ 概要 MITの研究チームは、機械学習原子間ポテンシャル（MLIP）を活用したフレームワークを開発し、Ag-Ir-Ru-Pd-Pt-Cu-Rh-Re高エントロピー合金の組成空間における酸素還元反応（ORR）をモデル化しました。この研究は、混み合った表面でのO... -
UNCCの研究グループが機械学習原子間ポテンシャル生成ツール「PyXtal_FF」を開発、原子シミュレーションの計算コストを大幅削減
University of North Carolina at Charlotte アメリカ 概要 ノースカロライナ大学シャーロット校（UNCC）の研究グループは、機械学習原子間ポテンシャル（MLIAP）生成のためのパッケージ「PyXtal_FF」を開発しました。MLIAPは、量子力学シミュレーションに... -
MatmerizeがAI駆動型ポリマー設計プラットフォーム「PolymRize」を提供開始、ガス分離膜などの材料探索を加速
Matmerize (Halo) アメリカ 概要 Matmerizeは、AIと機械学習を活用したクラウドベースのポリマーインフォマティクスプラットフォーム「PolymRize」を提供しています。このプラットフォームは、ガス透過性と選択性を調整したポリマーを即座に予測・設計する... -
ML原子間ポテンシャルを用いたシミュレーションで（MoCrTi）$_{100-x}$Al$_x$高エントロピー合金の秩序-無秩序転移と剛性特性を解明
arXiv 国際 概要 この研究は、汎用機械学習原子間ポテンシャルをハイブリッドモンテカルロ法と分子動力学シミュレーションに組み合わせることで、（MoCrTi）$_{100-x}$Al$_x$難燃性高エントロピー合金の化学的秩序と機械的特性に関する重要な洞察を明らか... -
組織工学向け生体材料設計、AIが材料特性予測、逆設計、製造最適化で経験的限界を突破
IntechOpen クロアチア 概要 このレビュー章は、組織工学における生体材料設計にAI（機械学習、ディープラーニング、生成モデルを含む）がもたらす革新的な応用を包括的に概説しています。AIは、従来の経験的かつ試行錯誤的なアプローチの限界を克服し、材...
