新しいAI技術、物質中の量子原子振動を解明

September, 29, 2025, Pasadena--カリフォルニア工科大学(Ｃａｌｔｅｃｈ)の科学者は、材料内で起こる量子相互作用の計算を劇的に高速化する人工知能 (AI) ベースの方法を開発した。
新しい研究では、このグループは、熱輸送、熱膨張、相転移など、幅広い材料特性を支配する原子振動(フォノン)間の相互作用に焦点を当てている。新しい機械学習アプローチは、すべての量子相互作用を計算するように拡張され、粒子と励起が材料内でどのように振る舞うかについての百科事典的な知識を潜在的に可能にする。

Ｃａｌｔｅｃｈの応用物理学、物理学、材料科学の教授であるMarco Bernardiと同教授の大学院生Yao Luo (MS’24)のような科学者は、実際の材料の第一原理から、つまり材料の原子構造と量子力学の法則のみから始めて、そのような粒子相互作用を理解するために必要な膨大な計算を高速化する方法を見つけようと努めてきた。昨年、BernardiとLuoは、科学者が物質内の電子とフォノンの間の相互作用を表すために使用する膨大な数学的行列を単純化するために、特異値分解(SVD)と呼ばれる手法に基づくデータ駆動型手法を開発した。

フォノン相互作用の場合、さらに複雑である。これらの相互作用は、テンソルと呼ばれる多次元オブジェクト、ベクトルの一般化、および高次元の行列にエンコードされる。これらのテンソルの複雑さは、関与する粒子の数とともに指数関数的に増加し、3 つ以上のフォノンが関与する相互作用についての科学者の理解を制限する。

現在、機械学習の最近の進歩に触発されて、Bernardi と Luo は、材料内のフォノン相互作用をエンコードする高次テンソルをふるいにかけ、熱輸送を説明する計算を完了するために必要な重要なビットのみを抽出する AI ベースの技術を開発した。両氏は、Physical Review Letters誌に掲載された論文で研究について説明している。

現在の最先端技術を使用すると、スーパーコンピュータは材料内の 3 つまたは 4 つのフォノン間の相互作用を計算するのに数時間または数日かかる。この新しい方法により、コンピュータは精度を維持しながら、同じ熱輸送とフォノンダイナミクスの計算を1,000倍から10,000倍の速さで完了できる。

「4つのフォノン相互作用の計算は悪夢だ。複雑な材料の場合、この作業には数週間にわたる計算が必要になる。今では10秒で完了できる」(Bernardi)。

Bernardiは、この方法について詳しく説明している。

「われわれは CANDECOMP/PARAFAC テンソル分解と呼ばれる機械学習技術を使用しているが、この特定の物理問題の対称性を満たすためにそれを適応させる必要があった。まずニューラル ネットワークを設定し、それを GPU で実行して、「これらのフォノン相互作用を記述する実際のテンソルを近似するのに最適な関数は何か?」と尋ねる。保持したい積項の数を修正すると、機械学習プロセスは完全なテンソルを近似するのに最適な関数を返す。通常、これらの積はほんのわずかしか必要とせず、完全なテンソルを使用する場合と比較して計算の複雑さを桁違いに節約できる。この方法により、圧縮された形式のフォノン相互作用を学習でき、これらの高度に圧縮されたテンソルを使用して、関心のあるすべての観測可能値を同じ精度で計算できる。」

Bernardは、この新しい方法は、材料コミュニティにおける主要な取り組みである大規模な材料データベースでの熱物理学と熱輸送のハイスループットスクリーニングに適していると付け加えている。今後の研究について、同氏は「現在の私のビジョンは、同様の技術で材料内のあらゆる種類の量子相互作用と高次プロセスを圧縮することだ。重要なのは、大きなテンソルの形成を完全にバイパスし、圧縮された形で相互作用を直接学習することだ」と話している。