GoogleのAI研究部門であるGoogle DeepMindと、ローレンス・バークレー国立研究所の研究チームは、科学研究における驚異的なブレイクスルーを発表した。彼らが開発し、「GNoME（Graph Networks for Materials Exploration）」と名づけた新たなAIシステムが、電池、ソーラーパネル、コンピューターチップ等の開発に応用できる可能性を持つ、200万種以上の新しい結晶構造を発見したというのだ。

一連の研究は、学術誌『ネイチャー』に2本の論文として掲載された。第1の論文でDeepMindの研究チームは深層学習技術をスケールアップし、「存在し得る材料構造」について、かつてないほど効率よくGNoMEに探索させた方法について説明している。

このAIシステムは、わずか17日間で220万種の安定した無機結晶構造の候補を特定し、このうち700種以上がすでに実験で実証された。これまでに知られている安定した無機結晶の種数と比べて10倍近い増加となる成果だ。
GNoMEは、安定結晶構造の探索に二つの手法を用いた。一つは、既知の結晶構造に似たものを創出する手法で、もう一つはよりランダムに近いアプローチだ。いずれの手法の結果も実験的に検証され、その結果はGNoMEのデータベース強化とさらなる学習に利用される。 Image Credit：Google DeepMind

第2の論文は、GNoMEが予測した構造をバークレー研究所が自律型ロボットシステムを用いて検証したプロセスについて説明したものだ。このシステムは、17日間の自動化実験により、予測された58種の化合物のうち41種を合成することに成功した。71％という高い成功率は驚異的だ。

公開データベースでイノベーションを加速

新たに発見された素材のデータは、「マテリアルズ・プロジェクト」のデータベースを通して一般公開されている。研究者はさまざまな構造をスクリーニングして、望ましい特性を備えた物質を特定し、実世界での応用に取り組むことができる。

例えば研究チームは、グラフェンに似た二次元の層状材料の候補を5万2000種も特定した。リチウムイオン伝導体の候補は、既存研究の25倍に増えた。また、リチウム・酸化コバルト化合物に代わる電池の材料になり得るリチウム・酸化マンガン化合物は、新たに15種が発見された。

Googleが予測した材料のうち736個は、すでに世界中の研究者たちによって独自に合成されている。画像はこのうち6個の例であり、ユニークな光学材料（Li4MgGe2S7）や超伝導体の候補（Mo5GeB2）を含む。 Image Credit：Google DeepMind

自律型ラボが、高い再現率を達成

GNoMEの高い性能の鍵は、高度なグラフ・ニューラルネットワークを使用して、候補となる結晶構造の安定性をコンマ数秒で正確に予測できることだ。これにより、コンピューターが生成した無数の候補を、最も有望なものだけに効率よく絞り込むことができる。

従来の機械学習技術では、新材料候補のエネルギー特性や安定性を推定することが困難だった。しかし今回用いられた手法では、十分なデータと演算能力があれば深層学習によって目覚ましい洞察が得られることが明らかになった。

「高い成功率は、材料発見の自動化を目的としたAI駆動プラットフォームの有効性を裏づけており、演算能力、既存の知見、ロボティクスのさらなる融合を促すものである」と、研究チームは結論づけている。

材料科学の新時代

一連の研究は、科学的発見の未来と材料科学研究におけるAIの活用に関して、計り知れない意義をもつ。このようなAI駆動アプローチは、特定の用途を意図した新材料の開発を促進し、製品開発におけるイノベーションの加速、コストの削減といった恩恵をもたらす可能性がある。

AIと深層学習の活用は、将来的に、手間と時間がかかる、人の手によるラボ実験を最小限に抑えられる、あるいは完全に撤廃できる可能性を示唆する。これが実現すれば、研究者は、独自の材料設計や分析に集中することができるだろう。

こうした技術発展はとてつもない影響力をもっており、材料科学の新章の幕開けとなるだろう。多数の分野でイノベーションが加速し、より効率的なエネルギー貯蔵システムや、高度な医療機器の開発が進む可能性がある。材料探索が新時代に突入するなか、AI、深層学習、科学研究の融合は、何が可能であるかの境界線をますます押し広げている。

この記事は、VentureBeatのMichael Nuñezが執筆し、Industry Diveの DiveMarketplaceを通じてライセンスされたものです。ライセンスに関するお問い合わせはlegal@industrydive.comまでお願いいたします。