[論文レビュー] Artificial Intelligence and Advanced Materials

Cefe López|arXiv (Cornell University)|Sep 23, 2022

Machine Learning in Materials Science被引用数 10

ひとこと要約

このレビューでは、特に機械学習を活用した人工知能の変革的役割に焦点を当て、高度な材料の発見と設計を加速するものとして検討する。データ駆動型手法により、暗黙の知識や物理法則を抽出することで、特定の機能に特化した新規材料やシステムの創出が可能となり、応用探求から機能指向の材料設計へのパラダイム転換が実現している。

ABSTRACT

Artificial intelligence is gaining strength and materials science can both contribute to and profit from it. In a simultaneous progress race, new materials, systems and processes can be devised and optimized thanks to machine learning techniques and such progress can be turned into in-novative computing platforms. Future materials scientists will profit from understanding how machine learning can boost the conception of advanced materials. This review covers aspects of computation from the fundamentals to directions taken and repercussions produced by compu-tation to account for the origins, procedures and applications of artificial intelligence. Machine learning and its methods are reviewed to provide basic knowledge on its implementation and its potential. The materials and systems used to implement artificial intelligence with electric charges are finding serious competition from other information carrying and processing agents. The impact these techniques are having on the inception of new advanced materials is so deep that a new paradigm is developing where implicit knowledge is being mined to conceive materi-als and systems for functions instead of finding applications to found materials. How far this trend can be carried is hard to fathom as exemplified by the power to discover unheard of mate-rials or physical laws buried in data.

研究の動機と目的

• 機械学習手法が高度な材料の発見と最適化をどのように加速できるかを検討すること。
• 従来の応用に適合する材料を発見するのではなく、暗黙のデータ駆動型知識に基づいて特定の機能に特化した材料を設計するという、移行の仕組みを分析すること。
• AIが新規材料を用いた次世代コンピューティングプラットフォームの開発に与える影響を調査すること。
• 今後の研究者に向けた、機械学習を材料科学に実装するための基盤的知識を提供すること。
• AIが複雑なデータセットから未知の材料や物理法則を同定するという、新たな動向を浮き彫りにすること。

提案手法

• 機械学習の基本的原則とそれらが材料科学にどのように実装されているかをレビューすること。
• AI手法が大規模データセットから暗黙の知識を抽出し、材料設計を支援する仕組みを分析すること。
• AI実装に用いられる電荷を介した情報処理のための材料やシステムを調査し、新興の代替技術も含めて検討すること。
• AIを材料発見プロセスに統合し、材料特性を最適化する方法を検討すること。
• 事前の仮定なしに、データ駆動型モデルを用いて未知の材料や物理的挙動を予測する事例を提示すること。
• AIが材料開発のライフサイクル（コンセプトから応用まで）をどのように再定義しているかを評価すること。

実験結果

リサーチクエスチョン

• RQ1 機械学習手法は、どのようにして高度な材料の発見を効果的に加速できるか？
• RQ2 データから暗黙の知識を抽出するAIの活用が、材料設計に与える影響とは何か？
• RQ3 AIはどのようにして、応用指向から機能指向への材料開発パラダイム転換を実現しているか？
• RQ4 データ駆動型AIモデルは、未知の材料や物理法則の発見にどのように寄与しているか？
• RQ5 次世代コンピューティングプラットフォームにおける材料科学とのAI統合において、主な課題と機会は何か？

主な発見

• 機械学習は、従来の手法では明らかでない複雑なデータセット内のパターンや関係性を同定することで、新規材料の発見を可能にする。
• 材料が発見された後に応用を求めるのではなく、抽出された暗黙の知識に基づいて特定の機能に特化した材料を設計するというパラダイム転換が進行している。
• AI手法は、大規模な実験データやシミュレーションデータに埋もれた未知の物理法則や材料挙動を同定できる可能性を有する。
• 電荷キャリアを用いた材料が、代替の情報処理媒体によって挑戦を受けており、AIハードウェア開発における新たなフロンティアが示唆されている。
• AIの材料科学への統合は、研究プロセスを変革し、より速く、効率的で、的確な材料設計を可能にしている。
• 本レビューは、将来的な材料科学者がAIを単なるツールではなく、材料発見およびシステム設計におけるイノベーションの原動力として活用できる基盤を確立している。