コンピュータで材料を探す
候補が天文学的で全部は試せない材料の空間から、どうやって「実際に作る価値のある数個」へたどり着くのか
- 到達点
- 「賢く探す」の道具立てを使い分けられる能力——安く採点できる空間は一括のふるい（安い順の漏斗）で削り、採点できない性質は能動学習の閉ループで一手ずつ寄せる。あわせて「AIが材料発見」の見出しを、①計算で安定②作れる③役立つ④本当に新しい、の関門に切り分けて読める状態
- 扱わないこと
- 安定性の理論的基準の中身（シリーズ「凸包」へ）／合成・実験の方法論（実験は「遅くて高い一手」としてのみ扱う）／実データ整備・データベースの難所（単発記事「マテリアルズインフォマティクス」へ委譲）
- 組み合わせ爆発——材料の候補は天文学的で全部は試せない
材料が「原子の並べ方」で決まるなら、片っぱしから試せばいい——そう思うのが自然だ。だが少し数えると、その道がなぜ閉ざされているかが分かる。組み合わせの爆発と、だからこそ「賢く探す」必要が出てくる話。
- スクリーニングの漏斗——天文学的な候補を数個まで削る
ありうる材料は天文学的に多く、全部は試せない。ではどうやって「作る価値のある数個」まで絞るのか。答えは、安いふるいを先に、高いふるいを後に——コンピュータで材料を探す現場の作法。
- AIによる材料発見——ふるいには効くが発見者にはまだ早い
「AIが数十万の新材料を発見」「ロボットが17日で41個合成」——華々しい見出しが続いた。だが専門家が中身を見にいくと、多くは“新しくなかった”。AIが材料探しで本当に効く場所と、見出しが先走る場所を、冷静に切り分ける。
- 能動学習——次に試す実験を最小のコストで選ぶ
候補を一度で全部ふるうのが前回の話。だが本当の性質は、作って測るまで分からないことも多い。その実験は遅く、高い。ならば「次にどれを試すか」を一手ずつ賢く選ぶしかない。80万通りの合金から、36回の実験で目当てを見つけた——能動学習とベイズ最適化の話。
