励起状態の電子構造を高速・高精度に予測可能に―人工知能のニューラルネットワークを用いて実現：東京大学/産業技術総合研究所ほか
(2020年6月3日発表)
東京大学と産業技術総合研究所の研究グループは6月3日、人工知能技術を利用し、電子が励起（れいき）していない「基底状態」の情報をもとに「励起状態」の電子構造を、高速かつ高精度に予測する手法を開発したと発表した。物質の構造解析や環境物質調査に要する時間を大幅に短縮することが期待されるという。
新たな機能や特性を持った物質の探索・開発現場では、X線や電子線を照射して物質中の電子を励起し、励起状態に応じて測定されるスペクトルを解析することで物質の構造が調べられている。
その際、励起状態におけるスペクトルの大規模で複雑な理論計算が必要で、その計算に数時間から数日を要している。励起状態は複雑なため、励起状態が物質間でどのように異なるかなど基礎的な知見に欠落も生じていた。
そこで研究グループはこれらの問題の解決を目指し、今回、人工知能技術を用いて高速・高精度で励起状態を予測する手法を開発した。
酸化シリコンの結晶とアモルファスを対象に、励起状態と基底状態のスペクトルをそれぞれ約1200個計算し、それらをデータベース化した。このデータをもとに、励起する前の基底状態と励起した後の励起状態の関係性を、ニューラルネットワークに学習させた。
ニューラルネットワークは入力層と出力層が脳を模した多層のネットワークでつながれた機械学習手法の人工知能で、今回は入力データに基底状態の情報を、出力データに励起状態のスペクトルを利用してネットワークを作製、基底状態から励起状態を予測するシステムを構築した。
予測実験の結果、計算に約1時間を要したスペクトルとほぼ同じスペクトルを数秒で得ることができ、高い精度での予測をごく短時間で得られることが確認された。
今回の成果は単に高速化にとどまらず、励起状態に関する重要な知見も得られたという。酸化シリコンの励起状態が酸化マグネシウムや酸化アルミニウムなどの酸化物の励起状態と類似していることや、結晶とアモルファスではその励起状態が異なることなどが明らかになったという。
今後こうした成果をもとに、物質の構造解析や環境物質調査の迅速化などが期待されるとしている。