詳細を読む
MITの研究チームは2026年6月19日、化学的に乱れた金属合金の挙動を高い精度で予測する機械学習手法を発表しました。材料を作って試験する従来の流れには時間とコストがかかりますが、この手法はシミュレーションを高速かつ高精度にして材料開発を加速します。成果は学術誌Science Advancesに掲載されました。
材料の性質は内部の原子配列でほぼ決まります。同じ元素の組み合わせでも配列が異なれば、もろい材料と割れずに変形する材料に分かれるためです。しかし実用される金属の多くは原子配列が無秩序で、領域ごとにばらつくため、機械学習モデルが学習するのは難しいとされてきました。
従来の主流手法は力任せで、単一材料の訓練データ作成に10万時間超の計算を要することもありました。しかも組成を変えると精度が落ちる課題がありました。研究チームは情報理論を使い、無秩序な材料内部の多様な局所環境を捉える訓練データを生成する方法を考案しました。
この手法は試料から原子を入れ替えて重複を減らし、モデルが見落としがちな環境を学ばせる点が特徴です。シニア著者のRodrigo Freitas准教授によれば、同じ環境が何度も現れた場合は未知の例に置き換えることで、各データがより多くの情報を持つようになります。これにより無作為抽出など他手法より高い精度を得ました。
研究チームは化学的に多様な金属合金群でこの手法を検証し、GoogleやMicrosoftが作ったより大規模なモデルよりも高精度であることを示しました。さらにDaniel Xiao氏が主導した実験では、モデルが実験データとよく一致する相図を予測できました。相図は合金の設計や加工に欠かせない中心的な道具です。
研究チームは現在、組成変化が機械的特性や耐放射線性に与える影響を調べ、過酷な環境でも強さを保つ材料の設計を目指しています。Freitas氏は、この手法は半導体など他の材料にも応用でき、持続可能な鋼材や航空宇宙向け材料の開発にも使えると述べています。産業界の既存の手順に組み込める実用性を重視している点も特徴です。