UNHの研究者、AIを活用して25種類の新しい磁性材料を発掘

材料科学と人工知能（Artificial Intelligence：AI）における大きな進展として、ニューハンプシャー大学（University of New Hampshire：UNH）の研究者らは、AI駆動型のアプローチを駆使し、これまで未知であった25種類の磁性材料を特定することに成功した。学術誌『Nature Communications』に詳述されたこの突破口は、科学的発見を加速させる機械学習（Machine Learning）の力を実証するだけでなく、重要なレアアース元素への世界的な依存を減らすための有望な道筋を提示している。

博士課程の学生であるスマン・イタニ（Suman Itani）氏と物理学教授のジアドン・ザン（Jiadong Zang）氏が率いるこの研究では、高度なAIアルゴリズムを利用して数十年分に及ぶ既存の科学文献をマイニングした。その結果、67,000種類以上の磁性材料を収録した包括的なデジタルリポジトリである**Northeast Materials Database**が構築された。これらの中には、高温下でも磁気特性を維持できる、新たに特定された20種類近い化合物が含まれている。これは、電気自動車（EV）や風力タービン、その他のグリーンテクノロジーでの利用に不可欠な要件である。

発見の加速：AIの手法

新しい材料を発見する従来のプロセスは、科学者が何百万もの潜在的な化学的組み合わせを物理的にテストする必要があり、多くの場合、時間がかかり労力集中型の取り組みであった。UNHのチームは、膨大な科学論文のアーカイブを「読み取り」解釈するように人工知能（Artificial Intelligence）システムを訓練することで、このボトルネックを回避した。

この斬新なアプローチには、自然言語処理（Natural Language Processing：NLP）と物理モデリングを組み合わせたハイブリッドワークフローが含まれている。AIシステムは以下のことを行うように設計された：

1. スキャンと抽出： 数千の学術論文を迅速に解析し、主要な実験データや化学式を抽出する。
2. 検証とモデル化： 抽出されたデータを、磁気特性（特に熱安定性）を予測するコンピュータモデルに投入する。
3. データベースの編纂： 発見された内容を、世界の科学コミュニティが利用できる検索可能なオープンアクセス形式に整理する。

「私たちは材料科学において最も困難な課題の一つである、永久磁石に代わる持続可能な代替材料の発見に取り組んでいます」と、ジアドン・ザン教授は述べた。教授は、この新しい実験データベースと進化するAI技術の組み合わせにより、レアアースフリー磁石の目標が達成可能になるとの楽観的な見方を示した。

レアアース代替材料の戦略的重要性

この発見は、テクノロジーおよび製造部門にとって極めて重要な時期にもたらされた。電気自動車のモーターや再生可能エネルギーシステムの発電機に不可欠な現代の高性能磁石は、現在、ネオジムやジスプロシウムなどのレアアース元素（rare earth elements）に大きく依存している。これらの元素は高価であるだけでなく、少数のグローバルサプライヤーが支配する不安定なサプライチェーンの影響も受けている。

これらの乏しい資源を使わずに効果的に機能する材料を特定することで、UNHチームの研究は、米国の製造基盤における大きな脆弱性に直接対処している。

今回の発見による主な利点：

• コストの削減： レアアース磁石の代替案により、EVやクリーンエネルギーインフラの生産コストを大幅に下げることができる。
• サプライチェーンのセキュリティ： 国内で調達可能な、あるいはより豊富な代替材料を開発することで、輸入材料への依存度を低減できる。
• 持続可能性（Sustainability）： レアアース元素の採掘を最小限に抑えることで、その抽出に関連する環境負荷を軽減できる。

深掘り：Northeast Materials Database

この研究の要となるのはNortheast Materials Databaseであり、現在は世界中の研究者にとって不可欠なツールとなっている。理論計算のみに依存していた従来のデータセットとは異なり、このデータベースは過去の文献から抽出された実験データに基づいており、理論と証明された現実の間の溝を埋めるものである。

以下の表は、従来の発見方法と比較した新しいデータベースの範囲と影響をまとめたものである：

比較：従来のラボでの発見 vs. AI駆動のデータベース

このデータベースには、これまで見過ごされていたが高温下での安定性に高い可能性を示す25種類の特定の化合物が含まれている。筆頭著者のスマン・イタニ氏は、これらの持続可能な材料の発見を加速させることが、経済を強化し、グリーンテクノロジーを推進する鍵であると強調した。

科学におけるAIの広範な影響

磁性材料への直接的な応用以外にも、UNHチームが開発した手法は、科学的知識をどのようにデジタル化し活用するかについて広範な影響を及ぼす。採用されたAIモデルは、テキストを処理できるだけでなく、画像を解釈してリッチテキスト形式に変換することも可能であった。

この能力は、AIが膨大な図書館の蔵書を近代化し、静的で検索不可能な科学記録を動的で実行可能なデータに変換する未来を示唆している。共同著者のイーボ・ジャン（Yibo Zhang）氏（物理学・化学の博士研究員）は、このプロジェクトの背後にある大規模言語モデル（Large Language Models：LLM）が、高等教育やデジタルアーカイブにおいて広く活用される可能性があると指摘した。

結論

ニューハンプシャー大学（University of New Hampshire）のチームによるこの研究は、材料革新へのアプローチにおけるパラダイムシフトを象徴している。数十年にわたる科学論文の中に埋もれていた「忘れられた」知識をAIに探索させることで、研究者たちは現代のエネルギー課題に対する潜在的な解決策の宝庫を解き放った。Northeast Materials Databaseが成長し、AIモデルがさらに洗練されるにつれて、持続可能なレアアースフリー技術を導入するまでの期間は大幅に短縮される可能性が高く、人工知能と環境の持続可能性の両方にとっての勝利を刻むことになるだろう。