ニューラルネットワークモデルを駆使した物質・材料研究について

全文

(1)日本神経回路学会誌. 巻. 頭. Vol. 28, No. 1（2021），1–2. 言. ニューラルネットワークモデルを駆使した物質・材料研究について産業技術総合研究所機能材料コンピュテーショナルデザイン研究センター. 安. 藤. 康. 伸. 物質・材料科学は「物質とは何か？」という根源的なテーマより出発し，量子力学・熱力学・統計力学に基づく多様な物理法則をもとに構築された一大分野である．この分野の広大さは扱う対象の多様性に起因しており，1 メートルスケールの金属の変形から 9 桁も小さいナノメートルスケールでの原子・分子の振る舞いまでを包括している．また力学特性・電気特性・磁気特性・化学的特性などのいわゆる. “物性” も多様で，それぞれに連綿と続く長い歴史があり，実験方法も構築された理論も様々である．このような多様性が物質・材料科学の最大の特徴であり，そして学問としての難しさの源泉となっている．一方で，たったひとつの新材料の発見がマーケットの勢力図を大きく塗り替えてしまうために物質・材料科学は強く産業界と結びついており，誰よりも先駆けてマーケットが求める未知の材料を発見したいという強いニーズも存在する．このような背景から，近年のデータサイエンスに対する強い期待も受けて，物質・材料科学を情報科学的手法に基づいて研究・開発を試みるマテリアルズ・インフォマティクス（MI）という研究分野が生まれた．. MI は 2010 年代に米国で始まったマテリアルズ・ゲノム計画というプロジェクトがその潮流を生み，欧州・中国そして日本でも以前から存在した個別のシーズをまとめ上げ，さらに若手の新鮮なアイデアも加わることで現在では世界に広がる大きなうねりとなった．特に日本では第 6 次科学技術・イノベーション基本計画の骨子にマテリアル革新力強化に関する言及がなされ，MI や物質・材料科学研究におけるデジタル・トランスフォーメーションを加速・推進する姿勢を見せており，本新興分野に対する期待の高さが伺える．そうは言っても，物質・材料科学はデータサイエンスとの相性が決して良いわけではない．まず情報科学者の頭を悩ませるのがデータサイズの小ささである．物質・材料分野では特定の課題に用いることのできる実験ベースのデータセットのサイズは一般的には大きくても高々 1000 のオーダーであり，10 のオーダーであることも決して稀ではなく，言ってしまえば “高次元スモールデータ” を処理する必要がある．そのためビッグデータ解析技術をそのまま流用することができない．また自然言語処理や音声認識のように一般に価値を理解されやすい問題というよりは物質・材料科学が多様に抱えるニッチな個別課題を解決したいというケースが多く，専門知識をフル動員して課題を設定した上で情報科学を適用しなければならない．これらは情報科学者が MI に参入しづらい要因となっている．本特集号では，このような厄介な課題を抱える MI に，ニューラルネットワークモデルを駆使して果敢にチャレンジしている若手研究者 4 名の方にご寄稿いただいた．これらの記事からはネットワーク構成に物理的な知見を盛り込んだニューラルネットワークモデル（Physically-informed neural network）や物質の構造や特徴を記述するための数値表現手法の工夫，そして物質・材料科学が抱えるタスクに対するグラフニューラルネットワークの活用など，物質・材料科学的な切り口でのニューラルネットワー.

(2) 2. 日本神経回路学会誌. Vol. 28, No. 1（2021）. クモデルの利用法を垣間見ることができる．そして新材料発見に加えて，研究の裏に潜む現象や物質について理解したいという説明可能 AI 的な視点の課題設定もぜひ読み取ってもらいたい．これらの研究解説が日本神経回路学会員にとって新鮮な刺激となり，皆様の研究活動に対して新しいアイデアをもたらすきっかけとなれば幸いである．そしてそのアイデアがいずれこの新興分野の発展につながるものであったならば，本特集号に関わった身として嬉しい限りである．最後に，本特集号に最先端の解説記事を快く寄稿くださった先生方に心より感謝申し上げる．また本巻頭言に寄稿する機会を下さった五十嵐先生を始め，編纂に関わられた日本神経回路学会の全ての先生方に深く感謝する．.

(3)