電子の姿、AIで予測 数時間かかっていた計算を数秒で 東大と産総研

[井上輝一，ITmedia]

　これまで何時間もかかっていた電子の状態の計算を、AIを使って数秒で計算する──東京大学と産業技術総合研究所は6月3日、こんな研究成果を発表した。AIで計算の高速化が図れるだけでなく、これまで明らかにされてこなかった知見も得られたという。

電子の基底状態の情報をニューラルネットワークに入力すると励起状態を得られるように

　研究チームが取り組んだのは、「励起（れいき）状態」といわれる不安定でエネルギーの高い状態の電子構造の計算。

　半導体設計など物質開発では、物質の構造を調べるためにX線や電子線を物質に照射する。物質の電子構造はX線などの照射で基底状態から励起状態に一瞬だけ変化し、励起状態から基底状態に戻る際に「スペクトル」と呼ばれる特有の波長分布の光を放つ。

基底状態と励起状態の電子構造の違い

　スペクトルには物質の構造や結合に関わる情報が含まれているが、その意味を理解するにはコンピュータを使った理論計算が必要で、従来は数時間から数日かかっていた。

　今回、励起前の「基底状態」と励起状態のデータセットをニューラルネットワークに学習させたところ、数秒から数分で、基底状態の情報から励起状態を高精度に出力するAIを構築できたという。

　研究チームは酸化シリコンの結晶とアモルファス（結晶構造のない状態）から1200個のデータセットを作成し、AIで学習。従来の方法で約1時間計算することで得た“正解”のスペクトルを、高精度かつ数秒で計算することに成功した。

濃い緑線がAIによる予測結果。従来の方法で計算した薄い緑の線とほぼ一致する

　さらにこれまで知られていなかったことも分かってきた。酸化シリコンの結晶で作成した予測モデルを酸化マグネシウムや酸化アルミニウムなど別の酸化物のスペクトルにも適用した結果、結晶構造や構成元素が異なるにもかかわらず高精度な予測ができた。

　逆に、結晶の予測モデルをアモルファスの酸化シリコンに適用すると予測精度が著しく下がった。

　これらの結果から、研究チームは結晶の酸化シリコンの励起状態が他の酸化物の励起状態と似ていることと、同じ物質であっても結晶とアモルファスでは励起状態が異なることが初めて明らかになったとしている。

　同チームは、AIによる予測手法が物質の構造解析や環境物質の調査にかかる時間を大幅に短縮できるとして期待を寄せている。

　研究成果は、英Nature Researchのオンライン科学誌「npj Computational Materials」に3日付で掲載された。