> ## Content Index > Fetch the complete content index at: https://2g-chem.ghost.io/llms.txt > Use this file to discover other available public pages before exploring further. # 2026年07月16日 MI Daily News - URL: https://2g-chem.ghost.io/2026nian-07yue-16ri-mi-daily-news/ - Published: 2026-07-15T21:19:59.000Z - Updated: 2026-07-15T21:19:59.000Z - Author: 2g ### 目次 1. [\[企業\] 富士フイルム、デジタルツインで半導体材料開発を加速](#news-1) 2. [\[論文\] 機械学習ポテンシャルを用いた界面構造予測法の開発](#news-2) 3. [\[論文\] スピネル酸化物の熱力学安定性・バンドギャップ予測の機械学習サロゲートモデル](#news-3) 4. [\[論文\] 汎用原子間ポテンシャルによる振動型電子エネルギー損失分光の予測ツール PySlice](#news-4) 5. [\[論文\] 進化的拡散フレームワークによる3次元分子設計 EvoDiffMol](#news-5) 6. [\[論文\] 神経系GPCR と配体相互作用予測のための深層学習アーキテクチャ評価](#news-6) 7. [\[論文\] 大規模言語モデルによる化学反応機構の学習](#news-7) 8. [\[企業\] 保瑞薬業、英矽智能とAI創薬プラットフォーム構築へ](#news-8) 9. [\[論文\] 情報メタマテリアル設計用生成モデルの開発](#news-9) 10. [\[論文\] 汎用機械学習力場ベンチマーク UniFFBench による実験値との検証](#news-10) --- ### \[企業\] 富士フイルム、デジタルツインで半導体材料開発を加速 - 富士フイルムが半導体材料開発にデジタルツイン技術を活用し、開発プロセスの高速化を実現しています。 - CMPスラリー（研磨用スラリ）の売上目標を前倒しで達成する手ごたえを得ており、計算科学による材料開発の効率化が実適用で成果を上げています。 **用語解説** - **デジタルツイン**: 実物の製品や製造プロセスの仮想モデルを計算機上に構築し、シミュレーションによって現象を予測・最適化する技術 出典: [化学工業日報 電子版](https://news.google.com/rss/articles/CBMiU0FVX3lxTE5BZ3c1UEtQaXhEaU4zc1U0RWFDTkk2cDdiRzhuVGNHNHpmeUtUN1g1Sk00RXR6ZmQwRm5pMUNCdjJSXzJCZDRKN1RHaWZMejhnM2sw?oc=5&ref=2g-chem.ghost.io) --- ### \[論文\] 機械学習ポテンシャルを用いた界面構造予測法の開発 - minima hopping法と機械学習原子間ポテンシャルを組み合わせ、界面構造を効率的に予測する手法が提案されました。 - 複雑な材料界面の原子配置を正確に予測でき、計算材料科学による材料設計の精度向上に貢献します。 **用語解説** - **機械学習原子間ポテンシャル**: 原子間相互作用をニューラルネットワーク等で学習し、第一原理計算より高速に物性を予測する手法 - **minima hopping法**: 構造最適化において、複数の局所最小値構造を探索する計算手法 出典: [npj Computational Materials](https://www.nature.com/articles/s41524-026-02214-7?ref=2g-chem.ghost.io) --- ### \[論文\] スピネル酸化物の熱力学安定性・バンドギャップ予測の機械学習サロゲートモデル - Materials Projectから収集した320個のスピネル化合物データを用いて、形成エネルギー・バンドギャップ・磁化モーメントなどを予測する樹木アンサンブルモデルを開発しました。 - 座標環境情報に基づくサロゲートモデルにより、計算コストを削減しながら材料物性を高精度に予測できます。 **用語解説** - **サロゲートモデル**: 計算コストの高い第一原理計算などの結果を機械学習で近似し、高速に材料物性を予測するモデル - **樹木アンサンブル**: 複数の決定木を組み合わせた機械学習手法で、ランダムフォレストやグラディエントブースティングなどが該当 出典: [arXiv cond-mat.mtrl-sci](https://arxiv.org/abs/2607.11996?ref=2g-chem.ghost.io) --- ### \[論文\] 汎用原子間ポテンシャルによる振動型電子エネルギー損失分光の予測ツール PySlice - 汎用機械学習原子間ポテンシャルを用いて、振動型電子エネルギー損失分光 (VEELS) スペクトルを日常的に予測するツール PySlice が開発されました。 - 計算材料科学と分光実験を統合し、材料の原子・電子構造の解析を加速できます。 **用語解説** - **振動型電子エネルギー損失分光 (VEELS)**: 電子ビームと物質の相互作用で生じるエネルギー損失を測定し、原子の振動特性を調べる分析手法 出典: [npj Computational Materials](https://www.nature.com/articles/s41524-026-02222-7?ref=2g-chem.ghost.io) --- ### \[論文\] 進化的拡散フレームワークによる3次元分子設計 EvoDiffMol - 進化的アルゴリズムと3次元拡散モデルを組み合わせた EvoDiffMol フレームワークが、標的物性を持つ分子設計を実現します。 - SMILES文字列や2D グラフでは失われていた3次元幾何情報を活用し、より精密な分子設計が可能になります。 **用語解説** - **拡散モデル**: ノイズの段階的な追加と除去過程を学習し、データを生成する深層学習手法で、生成モデルとして用いられる - **SMILES**: 分子構造を1次元の文字列で表現する標記法 出典: [Journal of Cheminformatics](https://link.springer.com/article/10.1186/s13321-026-01237-y?ref=2g-chem.ghost.io) --- ### \[論文\] 神経系GPCR と配体相互作用予測のための深層学習アーキテクチャ評価 - G蛋白質共役受容体 (GPCR) と配体の相互作用を予測する複数の深層学習手法の性能を体系的に評価した研究です。 - GPCRは約30%の承認医薬品の治療標的であり、計算毒性学と創薬における正確な予測は重要です。 **用語解説** - **GPCR (G蛋白質共役受容体)**: 細胞膜に存在し、シグナル伝達に関わるタンパク質受容体で、医薬品の重要な標的 出典: [Journal of Cheminformatics](https://link.springer.com/article/10.1186/s13321-026-01258-7?ref=2g-chem.ghost.io) --- ### \[論文\] 大規模言語モデルによる化学反応機構の学習 - 大規模言語モデル (LLM) に化学反応の段階的機構を学習させ、化学知能の基礎推論能力を向上させる研究が報告されました。 - 反応機構の論理的演繹は LLM の推論パラダイムと自然に適合し、機械学習による化学知識習得の新展開を示します。 **用語解説** - **大規模言語モデル (LLM)**: 膨大なテキストデータで学習した、自然言語を理解・生成するニューラルネットワークモデル 出典: [arXiv q-bio.BM](https://arxiv.org/abs/2607.12771?ref=2g-chem.ghost.io) --- ### \[企業\] 保瑞薬業、英矽智能とAI創薬プラットフォーム構築へ - 中国の製薬企業・保瑞薬業が、AI創薬企業の英矽智能（SilenceTherapeutics系）と資本業務提携し、AI創薬プラットフォームを構築します。 - 潜在商機は約4,000億円規模で、AI・機械学習による創薬パイプラインの構築が産業レベルで展開されています。 出典: [BigGo ファイナンス](https://news.google.com/rss/articles/CBMidEFVX3lxTE9zY18yaXBTX0gtS3NfQ09Dc2MwRFcyUVV0VS1pZTNsSkFOTnJaOWFwTFd0eGd4VnRidkFXZHNYV2VxdWZMNXNFclNaelhSRU5fV2Fsby00VGlNTmlYdWdPNXo4SUxWM2xCVWRGU01NTFlacTNf?oc=5&ref=2g-chem.ghost.io) --- ### \[論文\] 情報メタマテリアル設計用生成モデルの開発 - 生成モデルをメタマテリアル設計に適用し、メタ原子から可変プログラム可能なアレイまで、数分子からホログラフィック設計まで対応するシステムが実現されました。 - 1000倍以上高速なホログラフィック設計を実現し、光制御素子の設計・製造が加速します。 **用語解説** - **メタマテリアル**: 自然界の物質にない特性を持つように意図的に設計・製造された人工材料 - **生成モデル**: 訓練データの分布を学習し、新たなデータを生成する機械学習モデルで、拡散モデルやVAEなどが該当 出典: [Nature Computational Science](https://www.nature.com/articles/s43588-026-01025-6?ref=2g-chem.ghost.io) --- ### \[論文\] 汎用機械学習力場ベンチマーク UniFFBench による実験値との検証 - 汎用機械学習力場が計算ベンチマークでは優れた性能を示すが、実鉱物の実験測定値と照合すると一貫して失敗することが明らかになりました。 - 実世界の条件に基づく評価フレームワークの重要性を示し、計算科学と実験の融合を促進します。 **用語解説** - **機械学習力場**: ニューラルネットワークなどで学習した原子間相互作用モデルで、分子動力学や構造予測に用いられる 出典: [Nature Computational Science](https://www.nature.com/articles/s43588-026-01019-4?ref=2g-chem.ghost.io) --- ニュースレターをより良くするためのアイデア・ご要望などあればXのDMでお気軽にお寄せください。 また、コンテンツの質の向上と持続可能な運営のため寄付・スポンサーも募集しています。寄付は[こちらの記事](https://zenn.dev/ottantachinque/articles/2026-07-04%5Fmi-daily-news?ref=2g-chem.ghost.io)にバッジを送っていただけると励みになります。スポンサーをご検討いただける場合は、XのDMでご連絡ください。