英国の研究者チームが、科学者による新材料の発見や設計方法を根本から変える可能性を持つ強力なAIツールを開発した。
リバプール大学とサウサンプトン大学のチームは、「CrystalGPT」（正式名称：Molecular Crystal Representation from Transformers、MCRT）を発表した。このトランスフォーマーベースのモデルは、ケンブリッジ構造データベースに収録された706,126件の実験的結晶構造データで事前学習されており、分子結晶の複雑な「言語」を自己学習できる。
CrystalGPTの独自性は、その二重表現アプローチにある。モデルは、グラフベースの原子結合解析とトポロジカルイメージング機能を組み合わせることで、詳細な分子構造と広範なパターンの両方を同時に処理できる。このマルチモーダルな手法により、AIは結晶特性をミクロとマクロの両レベルで包括的に理解することが可能となった。
「MCRTは、少量のデータしか利用できない場合でも、簡単に特定の課題にファインチューニングできる基盤モデルとして設計されました」と、リバプール大学のXenophon Evangelopoulos氏は説明する。化学分野では、実験や計算に多大なコストと時間がかかるため、限られたデータで高精度に機能する能力は特に価値が高い。
このモデルは、局所的および大域的な結晶表現を抽出する4つの異なる事前学習タスクを活用している。特定の用途向けにファインチューニングすることで、CrystalGPTは従来必要とされたデータ量のごく一部だけで、密度、多孔性、対称性などの主要な材料特性を高精度に予測できる。
材料科学への影響は大きい。従来の結晶構造や特性予測の計算手法は、膨大なリソースを必要とすることで知られている。CrystalGPTはこうした制約を回避し、医薬品、有機エレクトロニクス、バッテリー開発、ガス貯蔵用多孔性材料などの分野で発見を加速させる可能性がある。リバプール大学のAndy Cooper教授は「このモデルは、これらの結晶内で最も特徴的なパターンと、それらが実用的な特性にどう関係するかを学習した」と述べ、材料イノベーションの強力なツールであることを強調している。