Notice大切なお知らせ

単一AIが多彩な材料科学データを学習

単一のAIに多彩な材料科学データを学習させる手法を開発

発表のポイント

  • これまで材料科学で使われるAIの予測モデルは原則として1つの形式しか学習できなかった。
  • 多彩な形式の材料科学のデータを単一のAIに学習させる手法を開発した。
  • 材料科学に限らず創薬など広範囲に応用可能な“万能AI”を導く一つの道筋となる可能性がある。

早稲田大学理工学術院の畠山 歓(はたけやま かん)講師および小柳津 研一(おやいづ けんいち)教授の研究グループは、多彩な形式の材料科学のデータを単一の人工知能(以下、AI)に学習させる手法を開発しました。

これまで材料科学で使われるAIの予測モデルは原則として1つの形式や概念しか学習することができませんでしたが、本手法の導入により、単一のAIに40種類以上の物性、数千以上の化合物、数百以上のプロセス情報を学習・予測させ、材料科学に関する広範な知識をAIに付与することができました。今後、材料科学に限らず創薬など広範な分野に応用可能な“万能AI”を導く一つの道筋となる可能性があります。

本研究成果は、2020年7月30日(木)午前10時(英国時間)にNature系列誌『Communications Materials』のオンライン版で公開されました。

論文名:Integrating multiple materials science projects in a single neural network

(1)これまでの研究で分かっていたこと

近年のAI技術の進歩を背景に、これを革新材料の探索に応用する研究が世界中で進められています(マテリアルズ・インフォマティクス、以下MI)。人類が蓄積してきた膨大な研究データをAIに学習させ、人知を超えた材料設計を提案してもらうことが、MIの究極目標の一つです。

しかしながら、現在のAIは“知能”と呼ぶにはほど遠い水準です。課題の一つは、材料科学で使われるAIの予測モデルは原則として1つのデータベースや概念しか学習出来ない点でした。ヒトは多彩な分野(言語、数学、化学、物理、人文、社会科学など)を知識として取り入れ、それらを統合した上で総合的な判断を下すことが出来ます。

一方、AIに対して異なる概念を学習させるのは容易ではありません。例えば化合物の融点と沸点の間に正の相関があることは良く知られており、ヒトは“高融点の化合物は沸点も高いはずだ”、という予測を立てられます。しかしながら、従来のAIは融点または沸点のみを学習するケースがほとんどで、複数の物性を同時学習※1させることが大変困難でした。

図1:本研究と従来研究の比較。従来法ではデータベースの数だけ予測モデルを構築する必要があったが、新規手法を用いると種々のデータベースを単一のモデルで学習出来る。
(CCライセンスに基づき、論文中の模式図を翻訳)

(2)今回の研究で新たに実現しようとしたこと、明らかになったこと

多彩な材料データベースや異なる物性値を単一の学習モデルに認識・学習させ、材料科学に関する広範な知識をAIに付与する作業に挑戦しました。

(3)そのために新しく開発した手法

グラフ構造※2と呼ばれるフォーマットに着眼し、種々のデータベースを共通書式に変換する手法を開発しました。従来の材料データベースはExcelのような表形式で記述されるケースが大半でしたが、通常の学習モデルは単一の構造の表形式データしか受け付けないため、異種データベースの学習が困難でした。一方、本研究では全データを共通書式のグラフ構造に変換し、専用の学習モデルに入力することで、原理的にあらゆるデータベースを学習可能にしました。

新規手法の導入により、単一のAIで40種類以上の物性、数千以上の化合物、数百以上のプロセス情報を学習・予測させることが出来ました。特筆すべき例は、透明ディスプレイ等への応用も期待されるPEDOT-PSSと呼ばれる導電性ポリマーの性能予測です。ポリマーフィルムの製法の微妙な違いにより導電性が1万倍以上も増減してしまう材料ですが、AIはフィルムの製法をもとに導電性を化学実験の熟練者並の精度で予測出来ました。

図2:グラフ構造と呼ばれるアイデアを活用し、複雑な実験操作に対する結果を高精度で予測する。
(CCライセンスに基づき、論文中の模式図を翻訳)

(4)研究の波及効果や社会的影響

MIのボトルネックはデータ収集です。深層学習には数万件以上のデータが必要とも言われますが、一般的な研究室では数十~数百回程度の実験回数が現実的です。この大きなギャップを埋めるのが異種データベースの同時学習と考えます。例えばWikipediaのような膨大な公知のビッグデータ中にある多彩な化合物の情報を入力し、“化学の知識を身につけさせ”つつ、目的のデータベースと同時学習させることで、後者の学習精度を上げられることが分かっています。種々の分野の多彩な背景知識を与えて“AIの経験と勘を磨く”という手法は、材料科学に限らず創薬など広範な分野に応用可能な、“万能AI”を導く一つの道筋となる可能性があります。

(5)今後の課題

オープンアクセス論文や特許などの材料科学に関する膨大な公開データを自動収集し、学習させるとどのような景色が見えてくるのか、また最近注目されている逆問題※3を解くためのより洗練された方法論などを今後明らかにしていきます。

(6)研究者のコメント

Google検索などでは“既に分かっている知識”しか返ってきませんが、本手法を突き詰めれば、種々の未知事象についても、“熟練者のようなAIが導いた予測”を誰でも、即座に得られる世界がやってきます。今回の成果は、あたかも人間のような柔軟な思考力、広い視野を持った判断、予測能力を備えたMIシステムの実現に向けた重要な一歩だと確信しています。これまで熟練者の専売特許であった知識や経験、直感などをAIで代替したときの研究者の役割についても考えながら、AIを材料科学に応用展開する方法論を追求していきたいと思います。

(7)用語解説

※1 同時学習
例えば1)“分子構造と融点”、2) “分子構造と沸点”、3)“融点と沸点”の関係性を学習させるためには、通常は独立している3種類の学習モデルを用意する必要がある。1)を学習したAIは“分子構造と融点の関係には非常に詳しいが、沸点という概念を全く知らない偏った研究者”というイメージである。一方、本研究では1)-3)の全て(+40種類程の物性等)を単一のAIに同時に学習させた。幅広い概念を学習させることで、予測精度の向上や物性間の未知の法則性の発見などを期待出来る。

※2 グラフ構造
頂点と辺によって情報間の繋がりを表す手法。グラフ構造の例として、人物相関図、路線図、フローチャートなどが挙げられる。

※3 逆問題
“ある分子の沸点は何℃かを予測”するのは順問題、“ある沸点を持つ分子の構造は何かを予測”するのは逆問題で、後者の方が難度が高いことが知られている。例えば沸点が100℃の化合物と言えば水が有名だが、例えばギ酸と呼ばれる化合物も同程度の沸点を示す。答えを水だけに絞りたいのであれば、融点が0℃である、人間にとって有害性が低い等の複雑な追加条件を人間側が設定した上で、AIに予測させる必要がある。

(8)論文情報

雑誌名:Communications Materials
論文名:Integrating multiple materials science projects in a single neural network
執筆者名(所属機関名):Kan Hatakeyama-Sato (畠山 歓)*、Kenichi Oyaizu (小柳津 研一)
早稲田大学 先進理工学部 応用化学科
掲載日時(英国時間):2020年7月30日(木)午前10時
掲載日時(日本時間):2020年7月30日(木)午後6時
DOI:https://doi.org/10.1038/s43246-020-00052-8

(9)研究助成

研究費名:科学研究費補助金 基盤研究(B)
研究課題名:高分子の双安定性に立脚したエネルギー変換物質の開拓
研究代表者名(所属機関名):小柳津 研一(早稲田大学)

研究費名:科学研究費基金 挑戦的研究(萌芽)
研究課題名:高密度レドックス流体:蓄電科学を革新する新原理の探索
研究代表者名(所属機関名):小柳津 研一(早稲田大学)

研究費名:科学研究費補助金 新学術領域研究(研究領域提案型)
研究課題名:高速移動水素による次世代創蓄電デバイスの設計
研究代表者名(所属機関名):宮武 健治(山梨大学)
研究分担者名(所属機関名):小柳津 研一(早稲田大学)

研究費名:科学研究費補助金 新学術領域研究(研究領域提案型)
研究課題名:ガラス状高分子イオン伝導体のダイナミクス解明と超イオン伝導化
研究代表者名(所属機関名):畠山 歓(早稲田大学)

研究費名:科学研究費基金 若手研究
研究課題名:データ科学を援用した高出力オールプラスチック二次電池の創出
研究代表者名(所属機関名):畠山 歓(早稲田大学)

研究費名:早稲田大学 データ科学センター 電通国際情報サービス(ISID)研究助成
研究課題名:実験情報のグラフ構造化と深層学習に立脚した材料物性の汎用予測システム
研究代表者名(所属機関名):畠山 歓(早稲田大学)

Page Top
WASEDA University

早稲田大学オフィシャルサイト(https://www.waseda.jp/top/)は、以下のWebブラウザでご覧いただくことを推奨いたします。

推奨環境以外でのご利用や、推奨環境であっても設定によっては、ご利用できない場合や正しく表示されない場合がございます。より快適にご利用いただくため、お使いのブラウザを最新版に更新してご覧ください。

このままご覧いただく方は、「このまま進む」ボタンをクリックし、次ページに進んでください。

このまま進む

対応ブラウザについて

閉じる