2026年08月27日 MI Daily News

目次

[ニュース] 機械学習を活用した自動実験プラットフォーム、材料発見の大規模化を実現
[論文] 大規模言語モデルを用いた材料合成レシピ生成プラットフォーム、試行錯誤を大幅削減
[企業] 日立、秘匿AI基盤を開発し創薬新興企業を支援
[企業] アステラス製薬、タンパク質構造予測AI「Boltz-2 NIM」を導入し創薬加速
[企業] NTT、自律実験AIで成膜条件を最適化、半導体開発を3倍高速化
[論文] 機械学習による差分学習手法、エネルギー材料の熱安定性予測を改善
[論文] ニューラルオペレータを用いた密度汎関数理論、準線形スケーリングを実現
[論文] 等変セルラーシーフを用いた分子ハミルトニアン学習、トポロジー的アプローチで精度向上
[論文] 深層ニューラルネットワークと大規模スクリーニングによるRNA収率最適化
[論文] ハイスループット計算フレームワークを用いた金属水素化物の目標駆動設計と持続可能性評価

[ニュース] 機械学習を活用した自動実験プラットフォーム、材料発見の大規模化を実現

機械学習モデルは人間の耐久力を上回る大規模データ処理が可能であり、化学・材料発見の加速に有効です。
自動実験システムが予測を実際にテストし検証する段階に進み、材料発見の規模拡大が期待できます。

出典: Phys.org Chemistry

[論文] 大規模言語モデルを用いた材料合成レシピ生成プラットフォーム、試行錯誤を大幅削減

大規模言語モデル（LLM）を活用した「閉ループ材料合成計画プラットフォーム」が開発されました。
合成レシピの自動生成により、試行錯誤プロセスを大幅に短縮できます。
成均館大学、梨花大学、MITの共同研究による、計算科学とAIの融合的な成果です。

用語解説

閉ループ材料合成計画プラットフォーム: 大規模言語モデルを用いて材料合成の計画・設計を自動化し、予測と実験を統合的に進めるシステム

出典: Phys.org Chemistry

[企業] 日立、秘匿AI基盤を開発し創薬新興企業を支援

日立が秘匿AI基盤（プライベートデータを保護する基盤技術）を開発しました。
創薬に関する新興企業との連携を支援し、AI創薬の民主化を推進します。

用語解説

秘匿AI基盤: 組織のプライベートなデータを保護しながら、AI/機械学習を実行可能にする基盤技術

出典: 日刊工業新聞

[企業] アステラス製薬、タンパク質構造予測AI「Boltz-2 NIM」を導入し創薬加速

アステラス製薬が、NVIDIAの構造予測AI「Boltz-2 NIM」を導入しました。
タンパク質構造予測の高速化により、創薬開発の民主化と高速化が期待できます。

用語解説

Boltz-2 NIM: NVIDIA製の大規模言語モデル統合型AI、タンパク質の3次元構造を高精度・高速に予測

出典: NVIDIA

[企業] NTT、自律実験AIで成膜条件を最適化、半導体開発を3倍高速化

NTTが自律実験AIを用いて酸化ガリウム成膜条件を自動探索し、人間が使える成膜ルールを抽出しました。
半導体試作サイクルが3倍に高速化され、実用的な知見の生成が実証されました。
自律実験と人間の知見を統合する、データ駆動型材料開発の好例です。

用語解説

自律実験: AIが実験条件を自動的に設計・実行し、結果から学習して次の実験を決定するサイクル

出典: innovaTopia

[論文] 機械学習による差分学習手法、エネルギー材料の熱安定性予測を改善

異なる実験プロトコル間のばらつきに対応する「差分学習」法が提案されました。
エネルギー材料の熱安定性予測の精度向上を可能にします。
実験データの不確実性を扱う機械学習の重要な応用例です。

用語解説

差分学習: 複数の実験条件やデータ源間の系統的なばらつきを学習し、予測モデルの精度を向上させる手法

出典: arXiv physics.chem-ph

[論文] ニューラルオペレータを用いた密度汎関数理論、準線形スケーリングを実現

ニューラルオペレータを用いてKohn-Sham密度汎関数理論の軌道自由化を実現しました。
従来は立方スケーリングだった計算量を準線形スケーリングに削減できます。
大規模な電子構造計算が可能になり、材料シミュレーションの高速化が期待できます。

用語解説

ニューラルオペレータ: 関数から関数への演算子を学習する深層学習アーキテクチャ、微分方程式の高速解法に有効
軌道自由密度汎関数理論: 従来のKohn-Sham法の補助軌道を排除し、電子密度のみから電子構造を直接計算する方法

出典: arXiv physics.chem-ph

[論文] 等変セルラーシーフを用いた分子ハミルトニアン学習、トポロジー的アプローチで精度向上

分子の電子構造を予測する等変ニューラルネットワークに、トポロジー的深層学習の知見を統合しました。
E(3)等変性を保ちながら、セルラーシーフの構造を活用した新しい分子性質予測フレームワークです。
分子特性予測と相互作用ポテンシャル予測の精度向上が期待できます。

用語解説

等変セルラーシーフ: 分子の回転・並進不変性を保つ（等変）メッセージパッシングネットワークにトポロジー的構造を統合した計算フレームワーク
E(3)等変性: 3次元ユークリッド空間の回転・並進に対して不変な物理量を正確に予測する性質

出典: arXiv physics.chem-ph

[論文] 深層ニューラルネットワークと大規模スクリーニングによるRNA収率最適化

プロモーター配列と転写条件がRNA収率に与える影響を、深層ニューラルネットワークと大規模並列スクリーニングで解析しました。
mRNA医療開発における製造効率化の重要なボトルネック解決に向かいます。
AI予測と高速実験の統合により、医薬品開発の加速が期待できます。

用語解説

in vitro転写（IVT）: 試験管内でDNAテンプレートからmRNAを酵素的に合成するプロセス

出典: arXiv q-bio.BM

[論文] ハイスループット計算フレームワークを用いた金属水素化物の目標駆動設計と持続可能性評価

高スループット計算フレームワークにより、特定の性能目標を満たす金属水素化物を系統的に探索しました。
材料発見から持続可能性評価までを統合した、計算材料科学の包括的アプローチです。
データ駆動による材料設計とライフサイクル評価の結合が実現されました。

用語解説

高スループット計算フレームワーク: 大量の材料候補に対して第一原理計算を自動実行し、効率的に探索・評価するシステム

出典: npj Computational Materials

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。