image: Researchers from The University of Tokyo Institute of Industrial Science use a machine learning approach to successfully predict material properties that have never before been determined view more
Credit: Institute of Industrial Science, the University of Tokyo
東京大学 生産技術研究所の溝口 照康 教授、東京大学 大学院工学系研究科 修士課程２年の菊正 翔 大学院生（研究当時）、東京工業大学 科学技術創成研究院の清原 慎 研究員、東京大学 生産技術研究所の柴田 基洋 助教らの研究グループは、人工知能技術を利用することで１つのスペクトルから多数の物性情報を得ることに成功しました。
物質開発の現場では、分光実験によりスペクトルを測定して物質の結晶構造や電子状態を調べます。分光実験に用いる装置や測定条件によって、得られたスペクトルから取得できる情報が異なります。たとえば、物質に電子線やX線を照射する内殻電子励起分光法で得られるスペクトルは、物質の局所的な電子構造の情報を主に有していることが広く知られています。それぞれの分光実験により得られる物性情報は、数種類程度でした。そのため、別の情報が必要な場合は、別の装置や条件で実験し直す必要がありました。
本研究グループは、このようなスペクトルの限界を打破すべく、人工知能で用いられる機械学習法の一種であるニューラルネットワークを利用し、内殻電子励起スペクトルから得られる物性の情報を調べました。これまでのさまざまな分光実験の経験をもとに、容易に入手可能な３つの情報をニューラルネットワークの入力に追加した結果、１つの内殻電子励起スペクトルから、１１種類の物性を高精度に抽出することに成功しました。得られた物性の中には、これまで本スペクトルから取得できることが知られていた電子状態に関する情報に加えて、本スペクトルとは無関係と考えられてきた光学特性、振動特性、さらに、分子の質量（分子量）や、分子の安定性（内部エネルギー）に関する情報も含まれていました。
本研究により、人工知能技術に人間のノウハウを組み合わせることで、これまでの常識とは異なる多数の情報をスペクトルから抽出できることが分かりました。１度の分光実験で多くの情報を得ることができれば、物質開発を効率的に行うことができると期待されます。
本研究成果は現地時間２０２１年１０月１５日（金）に独国人工知能誌「Advanced Intelligent Systems」オンライン版に掲載されました。
Journal
Advanced Intelligent Systems
Article Title
Quantification of the properties of organic molecules using core-loss spectra as neural network descriptors
Article Publication Date
15-Oct-2021