科学のための AI は、科学的発見の「第 5 のパラダイム」として、新しい科学研究革命をもたらしており、これは材料化学の分野で特に顕著です。

AIは、従来の「経験ベース＋試行錯誤」モデルから脱却し、科学的シミュレーション、モデル予測、ハイスループット実験、自動特性評価など、知能駆動型材料研究開発における重要なツールを提供します。これらのツールは、新材料研究開発のコストを効果的に削減し、研究開発効率を向上させることができます。

2024年も終わりに近づき、材料化学分野はAIの支援を受けて目覚ましい成果を上げ、価値の高い研究成果が次々と生まれています。AIと科学の融合にいち早く着目したコミュニティの一つとして、HyperAIは最先端の論文解説やオンライン/オフラインの学術共有セッションの開催など、様々な手段を通じてAIと科学の融合の普及促進に尽力しています。

旧年と別れを告げ、新年を迎えるこの時期に、2023年から2024年にかけての最先端の論文を厳選し、カテゴリー分けして解説いたします。本稿では、材料化学分野におけるAI研究に焦点を当てています。下記の論文タイトルまたは中国語訳をクリックすると、論文解説ページへ移動します。皆様のお役に立てれば幸いです。

01. 論文タイトル:最適な強度と延性を備えた耐火性高エントロピー合金の機械学習支援による組成設計

中国語通訳： 1200℃の高温性能限界を突破！北京理工大学、機械学習を用いて24種類の耐火性高エントロピー合金を合成、優れた常温延性を示す
研究内容：北京科技大学のチームは、機械学習、遺伝子探索、クラスター分析、実験フィードバックを組み合わせた多目的最適化フレームワークを統合し、最適な高温強度と室温延性を備えた耐火性高エントロピー合金を探索しました。
掲載誌：エンジニアリング、2024年9月

02.論文タイトル: Open Materials 2024 (0Mat24) 無機材料データセットとモデル

中国語解説：周期表をほぼ網羅！MetaがオープンソースのOMat24データセットを公開、1億1000万件のDFT計算結果を含む
研究内容： MetaはオープンソースデータセットOMat24と事前学習済みモデルEquiformerV2をリリースしました。OMat24データセットには、構造と組成の多様性に焦点を当てた1億1000万件以上のDFT計算が含まれています。

掲載誌: arXiv, 2024.10

03.論文タイトル:結晶構造から光学スペクトルを直接予測するためのユニバーサルアンサンブル埋め込みグラフニューラルネットワーク

中国語翻訳：東北大学とMITは、944の材料のデータに基づいてGNNOptモデルを共同でリリースし、太陽電池と量子コンピューティングの候補となる数百の材料を特定することに成功しました。
研究成果：日本の東北大学とMITの研究者らは、グラフニューラルネットワークに基づくGNNOptモデルを開発し、太陽エネルギー変換効率が32%を超える246種の材料と、高い量子重みを持つ296種の量子材料を特定することに成功した。
掲載誌： Advanced Materials、2024年6月

04.論文タイトル:説明可能な少数ショットのバッテリー寿命予測のための半教師あり学習

中国語通訳：リチウム電池の寿命予測精度が20%向上！上海交通大学のチームが半教師あり学習法PBCTを発表、ラベルなしデータから隠れた情報を抽出する
研究内容：上海交通大学のチームは半教師あり学習技術を使用してバッテリー寿命を予測し、予測精度を 20% 向上させました。
掲載誌：ジュール、2024年3月

05.論文タイトル: ChemLLM: 化学大規模言語モデル

中国語通訳：上海 AI ラボは、700 万の質問と回答のデータ ポイントをカバーし、GPT-4 に匹敵する専門的な機能を誇る ChemLLM をリリースしました。
研究内容：上海人工知能研究所は、化学分野における大規模言語モデル「ChemmLM」を発表しました。このモデルは、対話型インタラクションを通じて化学分野の様々なタスクを実行できます。コアタスクにおけるパフォーマンスはGPT-4に匹敵します。研究者たちは構造化された化学知識を対話システムに統合し、様々な科学分野における大規模言語モデル（LLM）開発の新たな基準を確立しました。
掲載誌: arXiv, 2024.02

06.論文タイトル: AutoMLベースの特徴削除実験による化学吸着強度の解釈

中国語通訳：触媒設計の加速 - 上海交通大学の何玉連研究グループが自動知識抽出にAutoMLを活用
研究内容：ミシガン大学と上海交通大学の共同研究所のチームは、自動機械学習（AutoML）に基づいて、触媒表面における反応物の化学吸着エネルギーを支配する要因を調査しました。これは、触媒設計の最適化にとって非常に重要です。
掲載誌：米国科学アカデミー紀要、2024年3月。

07.論文タイトル: 3次元角度感度光検出のためのナノ膜ローリングにおける多層設計と構築

中国語解説：マイクロエレクトロニクスはポストムーアの法則時代に向けて加速！復旦大学梅永鋒教授の研究グループがDNNとナノフィルム技術を統合し、入射光角度を精密に分析
研究内容：復旦大学の研究チームは、ディープニューラルネットワークとナノフィルムアセンブリを組み合わせることで、一連の3次元構造光検出器を開発しました。これらの検出器は入射光角度の高精度予測が可能で、ウェアラブルデバイス、スマート家具、インテリジェント運転システムなどへの応用に大きな可能性を秘めています。
掲載誌： Nature Communications、2024年4月

08.論文タイトル:変分エネルギー最小化に基づくニューラルネットワーク密度汎関数理論

中国語解説：物質探索の新時代！清華大学の徐勇・段文輝チームがニューラルネットワーク密度汎関数フレームワークを発表、物質の電子構造予測のブラックボックスを解明！
研究内容：清華大学のチームは、時間がかかり複雑である従来の材料構造のDFT計算の欠点を克服するために、ニューラルネットワーク密度汎関数理論フレームワークを提案しました。
掲載誌： Physical Review Letters、2024年8月

09.論文タイトル:分子集合タスクに基づく解釈可能な深層学習フレームワークによる逆合成予測

中国語通訳：山東大学は、4 つのステップで有機化合物の逆合成経路を特定する解釈可能なディープラーニング アルゴリズム RetroExplainer を開発しました。
研究内容：山東大学と中国電子科技大学のチームが共同で、解釈可能なディープラーニングアルゴリズムRetroExplainerを開発しました。これは、4つのステップで有機化合物の逆合成経路を特定し、すぐに利用できる反応物を提供することができ、有機化学における逆合成研究のための強力なツールを提供します。
掲載誌： Nature Communications、2023年10月

10.論文タイトル:多様な用途にポリマー材料とのコーティングやブレンドを可能にする水分散性X線シンチレーター

中国語通訳：フレキシブル複合材料のブレークスルー！河北大学の研究チームが革新的なX線シンチレーターを用いて3つの新材料を開発
研究内容：河北大学はゲント大学と共同で、水分散性が良く、X線に対する感度が高いシンチレータを開発し、水分散性シンチレータを用いた3つの材料を開発した。
掲載誌： Nature Communications、2024年3月

11.論文タイトル:金属有機構造体における高精度ガス吸着予測のための包括的なトランスフォーマーベースのアプローチ

中国語訳：清華大学がUni-MOFモデルの発表をリードし、63万の3次元空間構成を効果的に識別してMOF吸着能力を予測します。
研究内容：清華大学、カリフォルニア大学リバーサイド校、北京智能科学研究所のチームは、三次元金属有機構造体（MOF）材料の吸着挙動を予測するための機械学習モデル「Uni-MOF」を提案しました。このモデルは、様々な動作条件下でのナノ多孔質材料の様々なガスに対する吸着性能を予測するために使用されます。
掲載誌： Nature Communications、2024年3月

12.論文タイトル:ディープラーニングの普遍的物質モデル密度汎関数理論ハミルトニアン

中国語訳：ニューラルネットワークが密度汎関数理論に取って代わる！清華大学研究グループが超高精度予測を実現する汎用物質モデル「DeepH」をリリース
研究内容：清華大学チームは、材料の構造と特性を予測できるDeepH汎用材料モデルを提案し、「大規模材料モデル」の構築可能性を実証しました。
掲載誌：サイエンス・ブレティン、2024年6月

13.論文タイトル:炭素回収のための金属有機構造体の設計のための分子拡散モデルに基づく生成型人工知能フレームワーク

中国語通訳：米国のアルゴンヌ国立研究所は、MOFイノベーションを加速するための生成AIフレームワークをリリースし、33分で12万個の炭素回収候補材料を生成しました。
研究内容：米国のアルゴンヌ国立研究所は、新しいMOF構造をランダムに生成・組み立て、安定性の高いMOF構造を選別し、二酸化炭素の吸着能力を試験できる生成AIフレームワーク「GHP-MOFsassemble」をリリースした。
掲載誌： Communications Chemistry、2024年2月

14.論文タイトル：プロトン固体酸化物電池の空気極用プロトン伝導性Co/Fe系酸化物の機械学習によるスクリーニング

中国語通訳： AI を活用したバッテリー材料のスクリーニング：広州大学の院士である葉思雨氏が、P-SOC 材料を予測するための機械学習アルゴリズム モデルを開発しました。
研究内容：広州大学の研究者は、P-SOC空気電極のスクリーニングに使用できる限界勾配強化アルゴリズムに基づく機械学習モデルを開発しました。
掲載誌： Advanced Functional Materials, 2023.12

15.論文タイトル:結晶カプセル表現による材料の対称性認識と特性予測

中国語通訳：中山大学の李華山と王彪の研究グループは、材料特性の高精度予測のためのSEN機械学習モデルを開発しました。
研究内容：中山大学のチームは、固有の結晶対称性と材料構造クラスター間の相互作用を正確に認識できるSENと呼ばれる機械学習モデルを開発しました。
掲載誌： Nature Communications、2023年8月。

16.論文タイトル：機械学習による水吸着等温線と冷却性能の予測

中国語訳：華中科技大学の李松教授の研究グループは、機械学習を使用して多孔質材料の水吸着等温線を予測しています。
研究内容：華中科技大学のチームは、材料の構造パラメータに基づいて水吸着等温線のパラメータとその後の応用性能を予測できるようにAIをトレーニングするための2段階機械学習モデルを確立しました。
掲載誌： Journal of Materials Chemistry A、2023年9月

17.論文タイトル: FlowLLM: 大規模言語モデルを基本分布とするマテリアル生成のためのフローマッチング

中国語通訳：安定した材料生成効率が300%向上！Meta FAIRがFlowLLM材料生成モデルをリリース、45,000種類以上の材料を網羅するデータセット
研究成果： Meta FAIR Labsはアムステルダム大学と共同で、安定した材料の生成効率を300％以上、SUN材料の生成効率を約50％向上させる材料生成モデルFlowLLMをリリースしました。
掲載誌： NeurIPS 2024、2024年10月

18.論文タイトル:材料発見のためのディープラーニングのスケーリング

中国語解釈：人類より800年先を行く？DeepMindがGNoMEをリリース、ディープラーニングで220万個の新結晶を予測
研究結果： Google DeepMind はディープラーニング ツール GNoME をリリースし、短期間で 220 万個の新しい結晶を発見しました。そのうち 38 万個の新しい結晶は安定した構造を持ち、研究開発の潜在的な材料になり得ます。
掲載誌： Nature、2023年11月

19.論文タイトル:自己参照型集積ファブリ・ペロー共振器を備えたCMOS互換再構成分光計

中国語訳：米国科学アカデミー紀要の表紙記事！中国チームがウェハスケール製造のAI適応型小型分光計を発表
研究内容：復旦大学のチームは、小型再構成分光計の新しい設計を提案しました。この分光計は、成熟した集積回路技術を用いてウエハレベルで製造可能であり、ミリメートルスケールのサイズで、ほとんどの小型スペクトル試験のニーズを満たすのに十分です。
掲載誌：米国科学アカデミー紀要、2024年8月。

20.論文タイトル:光ニューラルネットワークの完全順方向モード学習

中国語通訳：国産光チップの大きな進歩！清華大学チームがニューラルネットワークを用いた全方向インテリジェント光コンピューティングトレーニングアーキテクチャを開発
研究内容：清華大学のチームは、完全な順方向モードのFFM学習法を開発しました。これは、ディープラーニングニューラルネットワーク、超感覚知覚、トポロジカルフォトニクスの発展を促進することが期待されています。
掲載誌： Nature、2024年8月

21.論文タイトル:データと研究者主導のプロセス設計による鉄系超伝導体を用いた超強力永久磁石

中国語訳：最強の鉄系超伝導磁石が誕生！科学者が機械学習に基づく新たな研究システムを設計、これまでの記録の2.7倍の磁場強度を達成。
研究結果:英国と日本の科学者が AI 技術を使用して、世界最強の鉄系超伝導磁石の開発に成功しました。
掲載誌： NPG Asia Materials、2024年6月

22.論文タイトル:アンサンブル学習に基づくリチウムイオン電池の簡略化された電気化学モデル

中国語訳：リチウムイオン電池の性能限界の再構築 - 武漢理工大学のカン・ジェンチアン氏が率いるチームが、アンサンブル学習に基づく簡素化された電気化学モデルを提案。
研究内容：武漢理工大学の研究チームは、電極粒子表面のリチウムイオン濃度の変化を正確に予測し、電池電圧を予測できる簡略化された電気化学モデルを提案した。
掲載誌： iScience、2024年5月

23.論文タイトル:空欄を埋める: 失われた物理場情報を回復するための移転可能なディープラーニングアプローチ

中国語通訳：材料分野の「空白のパズル」を解く：MITがディープラーニングを活用して非破壊検査の課題を解決
研究内容： MITの科学者は、限られた情報から材料の失われた部分を復元し、さらに表面を観察して材料の内部構造を判定できるディープラーニングを用いた技術を開発しました。
掲載誌： Advanced Materials、2023年3月

24.論文タイトル:自然言語処理と深層学習による耐腐食合金設計の強化

中国語通訳： AI を活用した「腐敗防止」 - ドイツのマックス・プランク研究所は NLP と DNN を組み合わせて耐腐食性合金を開発しています。
研究内容:ドイツのマックス・プランク鉄研究所は、ディープニューラルネットワーク (DNN) と自然言語処理 (NLP) を組み合わせてプロセス認識型 DNN を開発し、さまざまな要素が合金の耐食性に与える影響を調査しました。
掲載誌： Science Advances、2023年8月

25.論文タイトル:高性能光触媒の設計のための包括的な機械学習戦略

中国語訳:清華大学は解釈可能な機械学習を利用して光陽極触媒を最適化し、水素製造のための光触媒水分解を促進します。
研究内容：清華大学の研究チームは機械学習を用いてBiVO(4)光陽極の助触媒を最適化した。
掲載誌： Journal of Materials Chemistry A、2023年10月。

26.原著論文:原子システムの外部場への応答に関する普遍的な機械学習

中国語訳：中国科学技術大学の江斌教授の研究グループは、外部場に対する原子の反応を分析するために FIREANN を開発しました。
研究内容：化学システムと外部場との相互作用は極めて重要です。中国科学技術大学の研究チームは、外部場の強度と方向が変化した際のシステムエネルギー変化の傾向を正確に記述し、任意の順序におけるシステム応答を予測できる、場誘導再帰型埋め込み原子ニューラルネットワーク（FIREANN）を開発しました。
掲載誌： Nature Communications、2023年10月

AI+材料化学に関する最先端論文のまとめはこれで終わりです。AI+バイオメディカル、ヘルスケア、気象学、海洋学、その他関連分野の論文のまとめは次号をご覧ください。