青銅器時代から産業革命、そしてその後も、新素材の発見と開発は人類の歴史における原動力となってきた。これらの新素材は技術を進歩させ、文明を形作ってきた。
今日、我々は新しい時代の入り口に立っている。人工知能（AI）が有用な材料を探索する上で完璧な位置にいるように思われる。これにより、材料の調査、創造、検証へのアプローチが完全に変わろうとしている。
古代において、人類の文明は道具や工芸品を作るために天然資源を実験的に使用していた。紀元前4千年紀半ばの青銅器時代は重要な節目であった。銅と錫の合金である青銅は、より強力な道具や武器の開発につながり、農業や建設の進歩ももたらした。
青銅は人類が作り出した最初の「新素材」としてしばしば言及される。我々は異なる元素を組み合わせ、どちらの原料よりも優れた特性と独自の性質を持つ新しいものを作り出した。紀元前3500年頃の古代メソポタミアにおけるガラスの発明も、画期的な出来事であった。
20世紀に入ると、プラスチックポリマー、セラミックス、超伝導体の発見が技術の新しい地平を切り開いた。耐久性と耐熱性で知られるセラミックスは、航空宇宙から電子機器まで、産業界の主力となった。
電気抵抗がゼロで電気を伝導できる超伝導体は、すでにマグレブ（磁気浮上列車）、粒子加速器、医療機器で使用されている。
AIの参入
次世代の画期的な技術開発を促進する可能性のある新素材の探索は、これまで長期的で高額なプロセスであった。これは多くの材料が原子レベルや分子レベルで複雑であることに起因する。従来の方法は本質的に試行錯誤に基づいており、専門的な機器とリソースを必要とする。
材料発見に内在する不確実性とリスクは、このプロセスをさらに複雑で長期的なものにしている。しかし、機械学習と呼ばれるAIの一分野を含むAIの進歩により、より効率的で的を絞ったアプローチが可能になりつつある。機械学習では、アルゴリズムと呼ばれる数学的規則がデータから学習し、人間の介入なしにタスクの改善を行う。
主な変化は、新しいコンテンツを作成できる「生成的」AIシステムに基づく新しい方法論である。AIシステムは現在、望ましい特性と制約が与えられると、直接新しい材料を生成することができる。
今月初め、Microsoftのチームは無機材料（炭素元素を基本としない材料）の設計のためのAIツールのペアを紹介する論文をNatureで発表した。
これらのツールは材料発見において補完的な役割を果たす。MatterGenとMatterSimと呼ばれるこれらのツールのうち、最初のものは新しい候補材料を作成し、2番目のものはそれらをフィルタリングして検証する – 実世界で作ることができることを確認するためである。
MatterGenを通じて組み込むことができる特定の望ましい特性には、特定の対称性、または機械的、電子的、磁気的特性が含まれる。
直感（および広範で退屈な実験）に主に依存する従来の方法とは異なり、MatterGenは特定の望ましい特性を持つ何千もの潜在的な材料を短時間で生成できる。
このAI主導のアプローチは、材料設計の初期段階を加速する。研究者がより広範な可能性を探索し、最も有望な候補に焦点を当てることを可能にする。
MatterSimは、これらの提案された材料の安定性と実現可能性を予測するための厳密なコンピュータ分析を適用する。この予測能力は、理論的な可能性を物理的に実現可能なものからフィルタリングするのに役立つ。これにより、安定した材料のみが発見プロセスの次段階に進むことが保証される。
新しいツールの登場
この時点で、このプロセスを通じて特定された新しい材料はどのようなものかと疑問に思うかもしれない。MatterSimは主に結晶、より適切には原子の特定の配列を持つユニークな結晶構造に焦点を当てている。
これらの構造は、正確な特性の制約を満たすように調整されており、様々な用途に適している。これらには、高エネルギー電池、フレキシブル電子機器、ディスプレイ、太陽電池パネル、先進的な医療用インプラントなどが含まれる。
しかし、Microsoftの強力なデュオは、この探求において孤立しているわけではない。Google DeepMindの材料探索のためのグラフネットワーク（Gnome）は、発見プロセスを劇的に加速することを約束する別のツールである。Gnomeは人間の脳にインスピレーションを受けたディープラーニングと呼ばれるAIの形式を使用する。新しい材料の安定性を予測し、探索と発見の段階を大幅に短縮する。
2023年に発表された論文で、Google DeepMindの研究者たちは、彼らのAIモデルが220万の新しい安定材料を特定できることを実証した。そのうち736個がすでに実験的に実現されている。これは従来の方法の10倍の増加である。人間の化学者にはこれまで知られていなかったこれらの材料の多くは、クリーンエネルギー、電子機器などでの潜在的な応用可能性がある。
Google のGnomeとMicrosoftのMatterGenは両方ともAIベースであるが、そのアプローチは異なり、ある意味で補完的な方法論を提供している。Gnomeは既存の構造に変化を加えることで新しい材料の安定性を予測し、安定した結晶材料の特定に焦点を当てている。
一方、MatterGenは生成AIモデルを採用して、特定の設計要件に基づいて直接新しい材料を設計する。元素、位置、周期格子（3次元で繰り返される構造）を変更することで材料構造を作成する。
AI駆動の材料発見の意味するところは広大である。エネルギー貯蔵や環境の持続可能性などの分野でのイノベーションにつながる可能性がある。最も有望な応用の一つは、例えば、新しい電池の開発である。
世界が再生可能エネルギー源への移行を進めるにつれて、効率的で長持ちする電池の需要は増加し、今後も続くだろう。AIツールは研究者が、より高いエネルギー密度、より速い充電時間、より長い寿命をサポートできる新しい材料を設計し特定するのに役立つ。
エネルギー貯蔵を超えて、新しい材料は新しい医療機器、インプラント、さらには薬物送達システムの設計にも使用できる。これにより患者の転帰が改善され、医療治療が進歩する可能性がある。
航空宇宙分野では、軽量で耐久性のある材料が航空機や宇宙船の性能と安全性を向上させる可能性がある。一方、水浄化、炭素回収、廃棄物管理のための新材料は、差し迫った環境課題に対処する可能性がある。
コメント