MLがスペクトルから物質の機能と構造を定量､理論計算/専門知識不要

March, 28, 2019, 東京--東京大学 生産技術研究所の溝口照康教授、清原慎大学院生、リァオ・クンヤン 大学院生、産業技術総合研究所 人工知能研究センターの椿真史研究員らの研究グループは、人工知能(ML)で利用されるニューラルネットワークを応用し、スペクトルから物質の構造や機能を、直接かつ定量的に、高速かつ高精度に、決定する手法を開発した。
　スペクトルには原子の配列や結合に関する情報が含まれている。さまざまな分光法でスペクトルを測定し、解析し、物質の構造や機能に関する情報を導き出す手法は、半導体や触媒、電池、高分子などの物質開発の現場で広く使われている。
　しかし、解析には、高度なスペクトルの理論計算を実施し、得られた計算結果を専門知識に基づいて解析する必要があり、数日から数週間を要していた。また、測定実績のない未知の物質のスペクトルを解析することは、非常に困難だった。
　このような従来の解析法の限界を乗り越えるために、研究グループは人工知能で用いられている機械学習法(Machine Learning)の一種であるニューラルネットワークを利用し、スペクトルから物質の構造や機能を直接定量することができる新手法を開発した。人工知能技術を利用することで、理論計算や専門知識など必要とせずに、「スペクトル」と「構造・機能」を直接結びつけることができる。実際に、ノイズを含む実験スペクトルに本手法を利用し、構造や機能情報を高精度に決定できることを実証した。
　この手法により、物質を解析する現場で、高速かつ高精度に構造や機能を定量的に知ることが可能となり、高機能な物質の探索に貢献することが期待できる。
　研究成果はJournal of Physics: Materialsオンライン版に掲載された。
(詳細は､https://www.iis.u-tokyo.ac.jp)