結晶– tag –
-
マルチモーダルLLMエージェント「SynAgent」、LiCoO2高結晶薄膜の自律合成と基板温度の結晶化支配をわずか18回の実験で解明
arXiv アメリカ 概要 マルチモーダルLLMエージェント「SynAgent」が、X線回折や電子顕微鏡写真などの実験データから推論し、材料合成プロセスを自律的に理解・進化させることに成功しました。本フレームワークは、GPT-5.5を基盤とし、LiCoO2 (001)薄膜堆積... -
arXivで原子スケール機械学習向け高情報量データセット「MAD-1.6」が公開、予測精度向上へ
arXiv アメリカ 概要 普遍的な原子スケール機械学習のための高品質で高情報量のデータセット「MAD-1.6」がarXivで公開されました。このデータセットは、102の化学元素を網羅する362,646の原子構造を含み、分子、クラスター、バルク結晶、表面など幅広い構... -
ジョージア工科大学、NSF CAREER賞で半導体強誘電体と複合材料のAI設計を加速
Georgia Tech College of Engineering アメリカ 概要 ジョージア工科大学のローラ・ガルテン教授がNSF CAREER賞を受賞し、半導体強誘電体材料の結晶構造、電場、光吸収をAIで微調整する研究を推進しています。この研究は、新型強誘電体トランジスタ、医療... -
AIによる材料発見のボトルネックが「検証」へ移行：DeepMind GNoMEの予測、合成検証は約0.2%に留まる課題
AI Invasion アメリカ 概要 AIはAlphaFoldによるタンパク質構造予測やGNoMEによる材料候補発見で「生成問題」を解決しましたが、現在は「検証」が新たなボトルネックとして浮上しています。DeepMindのGNoMEが予測した38万の安定結晶候補のうち、実際に独立... -
Google DeepMindのGNoME、AIで新結晶構造220万種を発見、800年分の実験的知見に匹敵
Alcimed フランス 概要 Google DeepMindが開発したAIモデルGNoMEが、材料科学において220万種類もの新規結晶構造を特定し、そのうち38万種類が安定であると予測され、これは人類が800年かけて実験的に発見する量に匹敵する偉業を達成しました。MatterGenや... -
AIによる超伝導体候補生成は「発見」ではない：物理学的判定器がGNoMEとMatterGenの限界を指摘
arXiv アメリカ 概要 この論文は、AIが提案する超伝導体候補が単なる熱力学的安定性だけでなく、必要な物理的特性を備えているかを評価する「物理学的判定器」を導入しています。GNoMEやMatterGenのような生成モデルは数百万もの「安定な」結晶構造を提案... -
AI材料研究に「物理法則を認識する」AIが不可欠：熱伝導率予測で性能差が浮き彫りに
Columbia Engineering アメリカ 概要 コロンビア大学工学部は、材料科学におけるAI、特に量子レベルの構造から巨視的特性を予測する機械学習ポテンシャル（MLP）において、「物理法則を認識する（physics-aware）」AIが不可欠であると強調しています。Mich... -
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... -
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... -
Google DeepMindとMOFGenが連携、AIが設計した数十万個のMOFを結晶合成に成功
Springer Nature Community イギリス 概要 Google DeepMindとMOFGenの連携により、AIが設計した材料の中で最大規模の合成セットが実現されました。MOFGenというAIエージェントシステムは、金属有機構造体（MOF）の新しい組成を提案し、原子レベルで構築、... -
UAEがAIインフラ投資を強化、材料発見加速で半導体・エネルギー貯蔵・航空宇宙産業を戦略的に育成
The National News アラブ首長国連邦 概要 アラブ首長国連邦（UAE）は、AIの優位性を活用して未来の材料開発を推進する戦略を強化しています。AIは、材料発見にかかる時間を数か月に短縮し、従来の試行錯誤から予測ベースのアプローチへと移行させます。特... -
AI駆動型バイオメディカル発見の閉ループ化：LLMエージェントが科学的推論を生成し、実験結果を解釈
Preprints.org スイス 概要 本記事は、AI駆動型の科学的発見において、仮説から実験、そして改訂された仮説へと続く「ループ」を閉じる方法について考察しています。大規模言語モデル（LLM）エージェントが科学的推論と行動を生成し、実験結果を解釈して仮... -
Google DeepMindのGNoMEが220万の新規結晶を発見：材料科学を800年加速し、新たな超伝導体・電池候補を提供
Facebook (DeepMind) イギリス 概要 Google DeepMindのAIツール「GNoME」が、220万の新しい無機結晶を発見し、材料科学の進展を800年分加速させたと報告されています。GNoMEは既存の材料プロジェクトから学習したAIモデルを活用し、新材料の安定性を予測す... -
自律型ラボの現状と課題：製薬R&Dにおけるクローズドループ実験の実現性を探る
Sakara Digital アメリカ 概要 本記事は、製薬R&Dにおける自律的なクローズドループ実験の実現可能性と、その適合性を決定する基準、そして実際のボトルネックについて議論しています。A-Labチームは、人間の専門家分析を置き換えるのではなく、自律的... -
MIT CrysVCDフレームワーク、AIで材料設計の安定性を大幅改善、計算コスト削減と実用材料開発を加速
Silicon Semiconductor News アメリカ 概要 MITの研究者たちは、「CrysVCD（結晶生成器と原子価制約設計）」と呼ばれるAIフレームワークを開発しました。この技術は、材料生成プロセスの初期段階で適用され、生成される材料の化学的安定性を大幅に向上させ... -
ACS論文：リチウム固体電解質向けMLワークフローがイオン伝導性予測で高効率な仮説生成を実現
The Journal of Physical Chemistry C | ACS Publications アメリカ 概要 ACS Publicationsの『The Journal of Physical Chemistry C』に掲載された研究は、リチウム固体電解質の新規仮説生成と優先順位付けのためのモジュール式機械学習（ML）ワークフロ... -
MIT、AIで材料設計安定性を70%向上させるCrysVCDフレームワークを発表、コストを大幅削減
MIT News アメリカ 概要 MITの研究者たちは、AIが生成する材料の安定性率を大幅に向上させる新しいフレームワーク「CrysVCD（crystal generator with valence-constrained design）」を開発しました。このアプローチは、高価な生成ステップの前に設計が主... -
MACE基盤モデルをファインチューニングし、420種Al-MOFの水吸着をDFT精度で予測する転移可能MLPを開発
ACS Publications アメリカ 概要 本論文は、MOF（金属有機構造体）における水吸着の挙動を高い精度で予測するため、MACE基盤モデルをファインチューニングした転移可能な機械学習ポテンシャル（MLP）の開発に成功しました。420種類に及ぶAl-MOFの広範なデ... -
MITのCrysVCDフレームワーク、AI結晶材料設計の安定性を生成段階で70%達成し効率大幅向上
Superpower Daily アメリカ 概要 MITの研究者たちが開発したCrysVCDフレームワークは、言語モデルと拡散モデルを組み合わせることで、AIによる結晶材料設計の化学的安定性を生成段階で大幅に向上させ、従来の事後スクリーニングアプローチに比べて効率を飛... -
MiraがAI駆動型材料科学の「第5のパラダイム」を提唱：MatterGen、A-Lab、GNoMEを統合し自律的発見を加速
Mira アメリカ 概要 Miraは、材料科学におけるAIの「第5のパラダイム」を提唱し、生成設計（MatterGen）、量子化学シミュレーション、閉ループ実験室（A-Lab）の統合が、自律的な材料発見を加速すると指摘しました。MatterGenのような拡散モデルは無機材料...
