MIT、原子の立体的な配置を理解して新しい材料を提案するAIを開発

米マサチューセッツ工科大学（MIT）の研究チームは、結晶材料の3次元的な原子構造と自然言語のテキスト記述を統合して学習するマルチモーダルAIモデルを開発した。研究成果は英科学誌『Nature Communications』に掲載された。

地球上の固体材料の90パーセント以上を占める結晶は、原子が規則正しく並んだ3次元構造を持つ。材料科学ではAIを活用した新材料の設計が進められているが、既存の大規模言語モデルは主に論文や書籍のテキストデータで学習されており、計算データベースに保存されている3次元の幾何学的な構造データを直接読み解くことが難しかった。また、実験文献が一部の材料に偏っている点も課題となっていた。

研究チームはこうした課題を解決するため、結晶材料向けの視覚言語モデルを構築した。構造とテキスト記述の類似例・相違例を比較して理解を深める「対照学習」の手法を採用し、実験論文や第一原理計算データベースを基に、化学組成や構造だけでなく特性、加工上の注意点、潜在的な用途などを網羅した詳細な説明文をAIで合成した。この合成データセットを用いて学習させることで、モデルが原子の立体構造と文章記述の対応関係を獲得できるようにした。

性能の検証では、論文テキストのみで学習したモデルと比較して、開発したモデルが結晶の幾何学的表現を適切に捉えていることが確認された。求められる特性を自然言語で指示して材料を特定させるテストでは、既存のベースラインを上回る精度を示した。全固体リチウムイオン電池の電解質に適した材料を探索させた実験では、有望な候補材料として独自に知られている物質を上位に特定した。

MIT材料科学工学科のJu Li教授は、構造の理解が材料の特性や性能を推定する上で不可欠であると指摘し、タンパク質構造と機能を結びつけた「AlphaFold」を引き合いに出しながら、本手法が材料科学の研究全般を加速させるとの見解を示した。なお、本研究は米国国防脅威削減局（DTRA）、米国国防高等研究計画局（DARPA）、韓国国立研究財団などの支援を受けて実施された。