タグ: マテリアルズインフォマティクス
- Materials Projectのデータ一括取得：列形式の配布とmp-apiで読む 2026/10/3
Materials Projectのデータ一括取得は、2026年6月から列形式の表になり、必要な列と条件だけを読める。ただしmp-apiで全件を落とすとtasksは10GBを超え、不揃いな項目を表に揃える変換は作り手が作業中としている。
- Meta FAIRの機械学習ポテンシャルUMA：taskで理論レベルを選ぶ理由 2026/10/1
機械学習ポテンシャルUMAは、理論レベルの違うDFTデータを一つのモデルで学び、返す値の理論レベルをtaskで選ばせる。作り手の文書とSevenNet-MFの論文で理由を確かめ、taskをまたいでエネルギー差を取らない、学習データの範囲を確かめるといった注意点を示す。
- 材料データベースの横断検索：OPTIMADEの仕組みと値がずれる理由 2026/9/21
OPTIMADEは、材料データベースを一つの問い合わせで横断検索する共通仕様で、値の意味は各データベースに残る。2026年9月の確認では基底URLを持つ登録23件中18件が構造を返した。過去の版の比較研究では、生成エネルギーの中央絶対差が対によって最大0.105 eV/atomだった。
- 圧電テンソルの機械学習：対称性で決まるゼロをモデルは守れるか 2026/8/28
圧電テンソルの機械学習予測が対称性のゼロを守れるかは、特徴量のパリティで決まると2026年8月のプレプリントは主張する。中心対称の結晶2,000種（理想化した座標）でO(3)モデルは閾値を一度も超えず、SO(3)は90〜96%で超えた。ゼロを足して訓練した実験でも約9割が超え、厳密なゼロには届かなかった。
- ビームラインでAIエージェントが単結晶アライメント、成果と限界 2026/8/24
ビームラインで、LLMエージェントが単結晶の試料の向き合わせを実機で通したと報告された。2026年のNature Machine Intelligence誌の論文で、実機では安全要件で実行を人間が中継し、成功率と試行回数が出ているのは仮想環境の側だけだ。
- 量子コンピュータの化学計算はどこまで来た？量子優位が言えない理由 2026/8/17
量子古典ハイブリッドは12,635原子のタンパク質–リガンド複合体まで届いたが、著者ら自身が量子優位性とは呼ばないと明記している。2026年の別論文は量子アルゴリズムをGPU上で古典的に走らせ、化学での境界を200量子ビット超へ押し戻しうると示唆した。
- 機械学習ポテンシャルとは？仕組み・速さの理由・学習範囲外の限界 2026/8/14
機械学習ポテンシャル（MLIP）は、DFTの計算結果を学習し、原子の配置からエネルギーと力を予測するモデル。電子の方程式を解かず、計算量もおおよそ原子数に比例するので桁違いに速いが、学習データの範囲外では気づかずに外れうる。対策の能動学習まで説明する。
- 機械学習ポテンシャルの微調整：効く条件と、手法より効く設定 2026/8/4
機械学習ポテンシャル（MLIP）を微調整するかは、現行の汎用モデルを自分の観測量で測ってから決める。20%のデータ（664構造）で全データ学習に並んだ例がある一方、MOFの体積弾性率では新しい汎用モデルの誤差が微調整モデルより小さかった。
- DFTとは？密度汎関数理論の考え方と、計算が遅い理由・近似の限界 2026/7/25
DFT（密度汎関数理論）は、電子の波動関数の代わりに3次元の電子密度で解く第一原理計算。標準的な実装の計算量は原子数のおよそ3乗で増え、正確さは交換相関の近似で決まる。バンドギャップの過小評価などの限界も示す。
- 機械学習ポテンシャルのベンチマークは何を測る？順位と実用性の差 2026/7/21
機械学習ポテンシャル（MLIP）の代表的な順位表 Matbench Discovery の総合スコアが測るのは、安定な材料を当てる力と熱伝導の誤差だ。安定性が上位のモデルが熱伝導の誤差では最下位級になる例があり、長いMDでのエネルギー保存は総合スコアの外にある。
- 能動学習・ベイズ最適化とは？次の実験の選び方と限界 2026/7/18
ベイズ最適化は、測った結果と予測の不確かさから、次に作って測る候補を選ぶ方法だ。Xueらは約80万通りの組成から計58個の合成で、当初の最良より良い合金を14個得たと報告する。目的の量や測定を誤ると、兆候なく失敗する。
- GNoMEの220万個の予測構造、実験で確かめられたのはいくつか 2026/7/8
GNoMEの220万個は計算上の安定構造で、実験構造との一致が確かめられたのは少なくとも736個。材料化学者の精査では、無作為に抜いた10件すべてが既知の構造型だった。A-Labの合成報告の訂正と、2026年の査読前の検証も読む。
- 機械学習ポテンシャルとは？DFTとの関係と汎用モデルの限界 2026/7/8
機械学習ポテンシャル（MLIP）は、原子の並びからエネルギーと力を予測し、DFTを桁違いに速く近似するモデルである。DFTの計算結果を教師に学ぶ。M3GNetとMACE-MPを例に、学ぶのはDFTであって現実ではないという汎用モデルの限界を示す。
- 凸包とは？材料の安定性がエネルギーの相対値で決まる仕組み 2026/7/8
凸包は、同じ元素から作れる化合物とその混合物の生成エネルギーを下から包む線で、結晶の安定性はそこからの距離で決まる。AIの「安定な新材料」はDFTで引いたこの距離の話で、観測済みの無機結晶の約半数は凸包より上にある。
- マテリアルズインフォマティクスの課題：機械学習が効く所と過大評価 2026/7/4
マテリアルズインフォマティクスの課題は、モデルよりデータの量と一貫性、特徴量化、実験で確かめるループにある。matminer・CrabNet・CGCNNとMatbenchを例に、既知のデータのまとまりを外すと精度が大きく落ちる点と、効く場面を分ける。
- 材料探索の組み合わせ爆発：総当たりできない理由とスクリーニング 2026/6/26
材料探索の組み合わせ爆発は、安定な元素80種から5つ選ぶだけで約2,400万通りになり、作って試し切れない。安い計算で大半を落とし、高い計算と実験は少数にかける。早い段の見逃しは戻らず、Matbench Discoveryでは同じモデルの適合率が打ち切る位置で0.51から0.85に変わる。
- 分子動力学とは？原子の運動を解く仕組みとシミュレーションの限界 2026/6/26
分子動力学（MD）は、原子ごとに力を求めて少しずつ動かし、原子の運動を計算で作り直す方法。182原子の2次元結晶を実際に計算して秩序が崩れる様子を示し、結果が力のモデルに左右されることと、追える時間の短さも説明する。
- 脆性破壊とは？キズの先端から割れる仕組み 2026/6/25
脆性破壊は、ほとんど変形せずに割れる壊れ方で、ひびは一番弱いキズの先端から走る。応力集中とGriffithの平方根則で理由を説明し、鋭い角や表面の傷を減らす対策につなげる。720原子の2次元分子動力学（理想化）で割れ方も示す。
- 拡散とは？原子が混ざる仕組みと、距離が時間の平方根で伸びる理由 2026/6/25
拡散とは、原子がランダムに動き回るうちに起きる混ざりで、進む距離は時間の平方根に比例する。固体中の拡散係数が温度で桁違いに変わるアレニウス則も扱う。本稿の分子動力学のシミュレーションは液体的な状態での混ざりで、固体の中の拡散の遅さをそのままは見せない。
- 温度とは？原子の揺れで分かる、材料が伸びる・溶ける・混ざる理由 2026/6/21
温度とは、材料の中では原子の揺れの激しさとして現れる量だ。揺れが大きいと多くの材料では原子の間隔が広がって伸び、さらに大きいと並びが崩れて溶け、原子が別の物質へ移りやすくなる。ただし揺れの激しさは温度の一般的な定義ではない。
- 金属は曲がるのにガラスが割れるのはなぜ？転位とすべり面の有無 2026/6/21
金属が曲がりガラスが割れる違いを主に分けるのは、動かせるすべり面があるかと、結合が方向にこだわらないか。金属は転位が少しずつ進んで小さな力で曲がり、すべれないガラスは表面の傷から割れる。結晶格子を持たない金属ガラスとも比べる。
- ダイヤモンドと黒鉛の違い：構造・硬さ・電気を通す理由 2026/6/21
ダイヤモンドと黒鉛の違いは、同じ炭素原子の並べ方にある。ダイヤモンドは各原子が4つの隣と結合した立体の網、黒鉛は3つの隣と結合した平らなシートの重なりだ。硬さと、黒鉛だけが電気を通す理由をこの構造から説明する。
- AIの材料発見はどこまで使えるか：効く段階と過大評価の3例 2026/6/21
AIの材料発見は、計算で安定な候補を絞る段では効くが、新材料の発見者と呼ぶには早い。GNoME・A-Lab・MatterGenの3発表と学術誌での批判を並べ、既知物質との一致や乱れた相の見落としを指摘された関門を示す。
