この記事のポイント
この記事は、MITとバーゼル大学が共同開発したAI技術に関するものです。- 開発されたAI技術はラベル付きデータセットや物理学専門知識なしに、物理系の相転移を自動分類します。
監修者プロフィール
坂本 将磨
Microsoft AIパートナー、LinkX Japan代表。東京工業大学大学院で技術経営修士取得、研究領域：自然言語処理、金融工学。NHK放送技術研究所でAI、ブロックチェーン研究に従事。学会発表、国際ジャーナル投稿、経営情報学会全国研究発表大会にて優秀賞受賞。シンガポールでのIT、Web3事業の創業と経営を経て、LinkX Japan株式会社を創業。
AI技術が物質の相転移を自動分類するという新たな一歩を記しました。
この記事では、マサチューセッツ工科大学（MIT）とスイスのバーゼル大学が協力して開発した、物理システムの異なる相を効率的に識別できるAIについてご紹介します。
最大の特長は、ラベル付きデータや物理学の専門知識に頼らずに相図をマッピングできる点です。この進歩は、新しい材料の熱力学的性質の分析や量子システムの複雑な挙動の理解を、科学者たちにより手軽にさせる可能性を秘めています。
さらに、生成的モデルを応用したAIは科学的発見の過程を加速させ、未知の物質相の探索を自動化することが期待されています。
本研究の成果は「Physical Review Letters」に掲載され、複数の研究資金により支えられています。
AIによる物理システムの相を自動分類する新技術
2024年、MITとスイスのバーゼル大学の研究者たちは、物理システムの異なる相を自動的に分類するための新しいAI技術を開発しました。
この技術は、物質が液体から固体に変わるような一般的な相変化だけでなく、超伝導体のような特殊な状態への相転移も識別できます。
従来の方法とは異なり、このAIに基づく手法は、大きなラベル付きデータセットを必要とせず、更には物理学の専門知識に依存することもなく、効率的に相図をマッピングすることが可能です。
この技術は、新しい材料の熱力学的性質を調査したり、量子システムのエンタングルメントを検出したりする際に科学者たちを助けることが期待されています。
物理システムの知識を統合したAIの進化
この研究で使われているAIモデルは、物理システムの確率分布に基づいて構築されています。
研究チームは、既存の物理的手法を用いてシミュレーションされたデータから確率分布を取得し、その分布を利用して新しいデータポイントを生成するジェネレーティブモデルを開発しました。
このアプローチは、物理システムの深い理解を機械学習スキームに組み込むことで、特徴を工学的に処理する以前の手法を超えたものです。
この分類器は、温度や圧力などのパラメータに基づいてシステムがどの相にあるかを判断できるため、他の機械学習手法よりも優れた性能を発揮します。
AIを活用した科学的発見の未来
この新しいAI技術を用いることで、科学者たちは自動化された方法で新しいシステムのスキャンを行い、物質の未知の相を発見することができるかもしれません。
例えば、状態がエンタングルメントされているかどうかや、特定の問題に最適な理論を決定するために、さまざまな二項分類タスクを解決することが可能です。
将来的には、相転移を検出するために必要な測定数や必要な計算量に関する理論的保証を研究することも計画されています。
この研究は、スイス国立科学財団、MIT-スイス ロッキード・マーティン シード・ファンド、MIT国際科学技術イニシアティブの一部の資金援助を受けて行われ、その成果は「Physical Review Letters」に発表されました。
出典:MIT
