[4F4-GS-10o] AI応用：マテリアル情報

[4F4-GS-10o-04] 材料化学における実利用へ向けたグラフ生成アルゴリズムを基礎とする分子生成モデル

〇武田 征士¹、濱 利行¹、徐 祥瀚¹、岸本 章宏¹、中野 大樹¹、古郷 誠²、本江 巧²、藤枝 久美子² (1. IBM 東京基礎研究所、2. IBM ガレージ)

キーワード：マテリアルズインフォマティクス 、生成モデル、ユーザーエクスペリエンス

AIやデータなどを駆使して材料開発を加速させるマテリアルズ・インフォマティクスが世界的な注目を集めている。中でもAIによる分子構造デザインは、ポリマーなど様々な材料分野への応用が可能であるのみならず、生成モデルの文脈で近年数多くの報告がなされている。しかしながら、これらの技術のほとんどがディープ生成モデルであるため、膨大なデータや複雑なハイパーパラメータ調整、長時間にわたる事前学習を必要とする。さらに、得られたモデルも化学者には解釈ができず、構造生成の細かいチューニングも行えなため、材料化学の実利用に即しているとは言い難い。我々が開発した手法およびツールは、化学構造のエンコードおよびデコード部がグラフ理論を基礎とするアルゴリズムにより構築済みであるため、事前学習が不要かつ、特徴ベクトルや構造生成過程の詳細を理解可能であり、原子単位での細かい調整が可能である。本ツールにより、人間の専門家と比較した場合に数10~100倍程度の構造生成のスピードが確認された。本発表では、基本的な方法論に加え、ツールの実装内容、各材料分野における事例などを紹介する。