物質の微視的構造が示す振る舞いを高精度に理解することは新規材料の創出や特性制御に不可欠ですが、その本質的理解には膨大な計算資源を要する量子力学計算が必要であり、大規模材料探索や迅速な設計の大きな障壁でした。東北大学大学院工学研究科の滝川敦之大学院生、同大学金属材料研究所の清原慎講師、熊谷悠教授らのグループは、物質の原子配列情報のみから誘電率へのイオンの寄与を高精度に予測できるAI手法を開発しました。具体的には、物質の結晶構造をグラフとして表現し、グラフニューラルネットワーク（GNN）を用いてBorn有効電荷（注４...

低消費電力・高性能ガスセンサーの実現には、室温で揮発性有機化合物（VOC）を高感度・高選択的に検出する新材料の開発が不可欠です。東北大学多元物質科学研究所の殷澍教授（同材料科学高等研究所（WPI-AIMR）連携教授 兼務）、北陸先端科学技術大学院大学（JAIST）サスティナブルイノベーション研究領域の本郷研太准教授、大阪大学産業科学研究所の関野徹教授、北京科技大学 材料科学と工程学院の曹文斌教授、台北科技大学材料資源工程系の邱德威教授らを中心とする国際共同研究グループは、一次元V2O5ナノファイバーを原材料として、水熱還元法により、配向し...

物質中に必ず存在する点欠陥は、材料特性を大きく左右する重要な要素であり、新材料の発見においてその特性の把握は不可欠です。しかし、欠陥形成エネルギーの評価には多大な計算資源が求められる量子力学計算が必要であり、実用材料探索の大きな障壁となっていました。東北大学大学院工学研究科の澁井千紗大学院生（研究当時）、同大学金属材料研究所の清原慎講師、Soungmin Bae助教、熊谷悠教授らは、結晶をグラフとして扱うグラフニューラルネットワーク（GNN）を活用し、半導体や絶縁体中の欠陥がとり得る複数の電荷...

近年、非共面スピン構造を持つ物質はスピントロニクス研究で重要な位置を占め、有望な次世代材料として大きな期待を集めています。これまで、この分野では実験研究が急速に進む一方で、理論的な解析はまだ簡略化されたモデルに頼っており、物質の個性を反映した実験で得られた経験的なパラメータを使わずに近似的に解く非経験的予測手法の開発が求められていました。しかし一般に非共面スピン構造はサイズが大きく数値シミュレーションに膨大な計算資源が必要であるため、解析が非常に難しくなっていました。東北大学金属材料研究所の陳曉邑助教（理化学研究所創発物性科学研究センター客員研究員）、東京都立大学大学院理学研究科の...