物質の微視的構造が示す振る舞いを高精度に理解することは新規材料の創出や特性制御に不可欠ですが、その本質的理解には膨大な計算資源を要する量子力学計算が必要であり、大規模材料探索や迅速な設計の大きな障壁でした。東北大学大学院工学研究科の滝川敦之大学院生、同大学金属材料研究所の清原慎講師、熊谷悠教授らのグループは、物質の原子配列情報のみから誘電率へのイオンの寄与を高精度に予測できるAI手法を開発しました。具体的には、物質の結晶構造をグラフとして表現し、グラフニューラルネットワーク（GNN）を用いてBorn有効電荷（注４...

物質中に必ず存在する点欠陥は、材料特性を大きく左右する重要な要素であり、新材料の発見においてその特性の把握は不可欠です。しかし、欠陥形成エネルギーの評価には多大な計算資源が求められる量子力学計算が必要であり、実用材料探索の大きな障壁となっていました。東北大学大学院工学研究科の澁井千紗大学院生（研究当時）、同大学金属材料研究所の清原慎講師、Soungmin Bae助教、熊谷悠教授らは、結晶をグラフとして扱うグラフニューラルネットワーク（GNN）を活用し、半導体や絶縁体中の欠陥がとり得る複数の電荷...