90%により研究開発スピードが100倍速くなりコストも削減されます！ AI材料企業Phaseshift Technologiesは、エネルギー/航空宇宙/鉱業/自動車向けの合金を開発しています。
石器時代、青銅器時代、そして鉄器時代に至るまで、人類の文明の進歩は、ある観点から見れば、物質的発展の歴史でもあります。今日でも、そびえ立つ高層ビルから、小さくても高性能なスマートフォンのチップまで、私たちの周りのあらゆるところで材料を目にすることができます。しかし、技術の発展に伴い、さまざまな業界における材料に対する要件はより厳しくなってきています。多くの産業では、既存の材料の固有の特性によって制約されており、さらなる進歩を遂げることが困難になっています。
たとえば、スマートフォンのデザインは、強度や重量の面で基本的に最適なレベルに達しています。つまり、ガラス、アルミニウム合金、電池など関連材料の現状の開発状況では、携帯電話の重量を飛躍的に軽減することは難しいということです。プラスチックなどの軽量素材も強度に限界があり、傷がつきにくく耐久性も低くなります。
高い強度と軽量さを兼ね備えた新しい素材の開発は容易ではありません。新しい材料の開発はコストと時間がかかるだけでなく、極めて高いリスクも伴います。通常、新素材の研究開発投資は 1 億ドルに達し、損益分岐点に達するまでに少なくとも 10 年かかります。
長い間、航空宇宙や防衛などの資金が豊富な戦略産業だけが独自の材料を開発する能力を持っていましたが、鉱業、エネルギー、家電製品、製造などの分野では、材料開発において依然として多くの課題に直面しています。その結果、多くの企業は、半世紀前に開発された合金に依然頼るなど、既存の材料に固執することを好みます。この場合、いくつかの妥協が必要になります。
* 材料費の高騰は消費者に転嫁されるのでしょうか?
* 重要なコンポーネントを受け入れても、寿命が短くても問題ありませんか?
* 材料の性能不足を補うために、メンテナンスコストが高くても許容できますか?
* 伝統的な材料の物理的特性を優先して、革新的なデザインの一部が放棄されているのでしょうか?
* 輸入サプライチェーンに依存し続け、原材料の不足や高騰によって生じる不確実性に耐え続けるのでしょうか?
カナダの企業 Phaseshift Technologies は、上記のジレンマに対する解決策を提供しました。
2019年、先端材料企業であるPhaseshift Technologiesがカナダに正式に設立されました。AI技術とマルチスケールシミュレーションを活用した次世代合金・複合材料の開発に取り組んでいます。MatterMind™ (AI 駆動型合金設計) と Cascade™ (統合マルチスケールシミュレーション) に基づく Rapid Alloy Design (RAD™) プラットフォームは、さまざまな業界の特定のニーズやシナリオに合わせてカスタマイズされた合金を開発できます。
フェーズシフトの公式サイトによると、この方法により、従来の方法に比べて材料開発のスピードが100倍速くなり、コストも削減されます。さらに、同社が設計した合金は、航空宇宙、自動車、エネルギー、防衛、鉱業、先進製造業などで幅広く利用できます。
* 航空宇宙: 次世代合金により、安全基準を満たしながら性能、軽量化、燃費向上を実現します。
* 自動車: 燃費と安全性を向上させ、革新的な車両設計を可能にする、より軽量で強度の高い合金を製造します。
* エネルギー: カスタム合金は過酷な条件に耐え、機器の耐久性と効率を向上させ、メンテナンス コストを削減します。
* 防衛: 高度な合金は優れた性能と耐久性を提供し、重要な任務における信頼性を確保します。
* 鉱業: 耐久性のある合金は過酷な環境に耐え、機器の寿命を延ばし、鉱業の生産性を向上させます。
* 高度な製造: カスタマイズされた合金は、製品のパフォーマンス、耐久性、設計の柔軟性を向上させ、製造プロセスの革新を促進します。
現在、PhaseshiftはInnospark Venturesが主導し、Draper AssociatesとFirst Star Venturesが参加し、エンジェル投資家のHustle Fund Angel Squadからの追加支援を受けて、300万ドルのシードラウンドの資金調達を完了しました。この資金により、Phaseshift は新素材の開発と商品化を加速できるようになります。
Phaseshiftの共同創設者兼CEOであるファザル・マフムード氏は次のように述べています。既存の材料の固有の特性によって特定の産業の発展が制限される場合、材料レベルのイノベーションが重要になります。当社の AI プラットフォームにより、見過ごされてきた現実世界の産業課題を解決するための特殊材料の迅速な開発が可能になります。より耐久性があり、効率的で、持続可能な材料を提供することで、当社は産業界が廃棄物を削減し、メンテナンスコストを下げ、エンジニアリングと製造の限界を押し広げることに貢献しています。」
AI + マルチスケールシミュレーションによる次世代合金材料の開発
新しい材料を設計することは、多数の材料を使った複雑なレシピを混ぜ合わせるようなものです。かつて、科学者はシェフのように実験を行い、材料の割合を絶えず調整し、それぞれの変化が最終的な「料理」に与える影響を観察し、試行錯誤を繰り返して最良のレシピを見つけていました。
現在、Phaseshift では人工知能がこの「シェフ」の役割を担っています。 「材料」のあらゆる組み合わせを把握できるだけでなく、各材料が素材の全体的な「風味」にどのような影響を与えるかを予測し、潜在的な「完璧なレシピ」を見つけることもできます。さらに、高度な計算モデルを使用してこれらのレシピをシミュレートおよび評価することもできます。これにより、研究者は、現実世界で無限の実験を行うことなく、合金の「材料」と「調理方法」の無数の組み合わせを迅速に探索できるようになります。
具体的には、下の図に示すように、Phaseshift のプラットフォームでは、新しい合金の開発は 5 つのステップで行われます。まず、ユーザーが合金の目的を提示し、企業が設計要件を決定します。 2 番目に、MatterMind™ は AI 手法を使用して、最適化された新しい合金組成を生成します。 3番目に、Cascade™はナノ、マイクロ、マクロなどのマルチスケールシミュレーションを通じて合金の性能を評価し、AIモデルを更新し、設計要件が満たされるまで上記の手順を繰り返します。 4 番目に、研究所と協力し、業界固有の認定基準を使用して材料の現実的な評価を実施します。第五に、カスタマイズされた合金を活用して、市場での競争上の優位性を獲得します。
上記の技術的ブレークスルーを実現するために、Phaseshift は AI と材料科学の分野の専門家グループを結成しました。機械学習研究者のOsazee Ero博士や計算材料エンジニアのZhen Li博士など。 Osazee Ero 博士は機械学習の研究で 8 年以上の経験があり、特に製造分野における高度な AI アルゴリズムの設計に優れています。 Zhen Li 博士は、材料科学、FEM シミュレーション、高度なモデリング技術に関する幅広い知識を持ち、冶金プロセスの数値シミュレーションで 8 年の経験を持っています。彼は、「モデリングとシミュレーションは、材料を理解するためのツールであるだけでなく、エンジニアリングの革新の鍵でもある」と考えています。
MatterMind™: 「完璧な合金」を設計するための独自のデータ駆動型AIモデル
優れた AI モデルをトレーニングするための鍵は、高品質で具体的なデータのバッチを用意することです。しかし、材料科学分野のデータは散在しており、基準が一貫していないことがよくあります。多くの実験データは学術論文、企業の研究所、または独自のデータベースに存在しており、公開されているデータは極めて限られています。
この問題を解決するには、Phaseshift は、実験とシミュレーションを組み合わせて、高品質のデータセットを自律的に生成します。このアプローチにより、コンテキスト全体にわたるデータの一貫性と信頼性が確保され、MatterMind™ プラットフォームの強固な基盤が提供されます。
MatterMind™ は機械学習と物理ベースのモデリングを組み合わせています。まず、独自の合金データセット (既存およびシミュレートされたもの) でトレーニングすることにより、MatterMind™ は合金組成の広大な領域を迅速に分析し、最適な合金配合を予測し、要素、処理条件、微細構造、材料特性間の複雑で非線形な関係を明らかにすることができます。これらの関係は人間の直感を超えており、数式で直接表現することさえできません。第二に、材料科学、物理学、化学の既知の科学的知識がモデルに統合され、予測力が向上し、目標特性を満たす可能性のある新しい合金組成が特定されます。
さらに、MatterMind™ は高度な多目的最適化アルゴリズムと組み合わせられています。複数の属性間の最適なバランスを見つけます。たとえば、合金は軽量であること、強度が高いこと、延性が最小限であること、塩化物腐食に耐えること、溶接可能であることなどが求められます。従来の方法では、このような複雑な特性の組み合わせを最適化するのは困難ですが、AI モデルはデータから学習したパターンを使用して複数の設計目標のバランスを取り、特定の産業ニーズを満たす高性能材料を開発できます。
ファイナル、MatterMind™ は、実際の現場での大規模な実験を行わなくても、最適化された一連の潜在的な合金組成を設計できます。その後、シミュレーションと評価のために Cascade™ プラットフォームに送信され、シミュレーション結果に基づいて MatterMind™ が継続的に最適化および反復されます。
Cascade™: 仮想環境で潜在的な合金を完全に評価するためのマルチスケールシミュレーション
Cascade™ は、ナノスケール、マイクロスケール、メソスケール、マクロスケールでのマルチスケールシミュレーションを実行できます。これにより、微細構造の特徴 (粒径、相分布、欠陥など) が合金の全体的な性能にどのように影響するかを正確にモデル化することができ、潜在的な合金の予備評価が可能になり、最も有望な合金が製造段階に入ることが保証されます。
* ナノスケール: 密度汎関数理論 (DFT) を使用して、異なる合金元素の原子間の相互作用を予測します。
* マイクロスケール: 微細構造の進化をシミュレートし、粒構造と粒界挙動を予測します。
* メソスケール: 外部条件に対する材料の反応をモデル化します。
* マクロスケール: 材料の機械的特性と、さまざまな製造プロセス (鋳造、積層造形など) におけるその性能をシミュレーションします。
これらのシミュレーションを通じて、数百、あるいは数千もの潜在的な合金を仮想環境で迅速に評価できます。そして、ユーザーの設計要件と比較します。物理的なサンプルを製造したり、実験室で繰り返しテストを実施したりする必要はありません。この仮想評価方法は、より安価で高速であり、必要な材料特性を正確に一致させることができるため、研究開発の成功率が向上します。
ユーザーのニーズに応じてマルチターゲット特性材料をカスタマイズし、3Dプリントに適した合金を開発します。
フェーズシフトの関係者によると、このアプローチは、積層造形 (3D 印刷) プロセスに適した材料を開発するために使用できます。
付加製造（3D プリント）は、主に原材料を層ごとに積み重ねて 3 次元のオブジェクトを構築します。現在、金属積層造形技術によって製造された金属部品は、航空宇宙、医療機器、自動車製造などの分野で効果的に利用されています。しかし、このプロセスの開発は、材料の適合性のために依然として制限されています。3D プリントに使用できる合金の種類は限られており、これがプロセスの広範な適用と最終部品の性能に影響を与えています。
たとえば、最も一般的な金属 3D 印刷プロセスであるレーザー粉末床溶融結合法 (LPBF) は、チタン、銅、ニッケル合金にのみ適用でき、製造プロセス中に収縮や不均一な溶融が発生しやすくなります。マルチレーザー LPBF は生産効率を向上させますが、材料の過熱のリスクも高まります。選択的レーザー焼結法 (SLS) や電子ビーム溶融法 (EBM) などの他の金属付加製造プロセスも、材料特性によって制限され、熱膨張、溶融温度、部品密度などの複数のターゲット要件を満たすことができません。
Phaseshift には、AM 用の合金を最適化するために特別に設計されたカスタム R&D プロセスがあり、さまざまな構成比の材料をモデル化し、AM 環境でのパフォーマンスの分析に重点を置いて、最適な適合性を確保します。
「航空宇宙部品の強度向上、自動車システムの熱伝導率向上、エネルギーインフラの耐腐食性向上、医療機器の生体適合性向上など、より持続可能な材料ソリューションのために、カスタム合金を提供することができます」とフェーズシフトは語った。
材料科学はより効率的でインテリジェントな時代へと向かっている
中国・厦門大学材料科学工学部の程軒教授はかつて、「計算材料科学の未来は人工知能の発展にかかっている。AIを材料設計・スクリーニングにどのように統合し、目標機能に基づいて材料構造をいかに正確に設計するかに特に注目すべきだ」と指摘した。
現在、材料科学分野における AI の応用が徐々に実装されつつあります。カスタマイズされた医療用インプラントやスマート義肢から、新しい耐熱材料、高度な触媒、分解性プラスチックの開発まで、AI はさまざまな業界で製品イノベーションを加速させています。材料開発における AI の大きな可能性を認識するテクノロジー企業も増えています。
たとえば、Meta はかつて OMat24 データセットを立ち上げました。このデータセットには、構造と組成の多様性に重点を置いた 1 億 1,000 万件を超える構造密度汎関数理論 (DFT) 計算が含まれており、この分野で公開されているデータセットとしては最大規模の 1 つとなっています。 MetaはOMat24をベースに、物質の基底状態の安定性と形成エネルギーを正確に予測できるEquiformerV2モデルもリリースし、Matbench Discoveryランキングリストで最高のパフォーマンスを達成しました。
* OMat24データセットのダウンロードアドレス:
さらに、Google DeepMindは材料開発におけるAIの応用も模索しています。同社のディープラーニングモデル「GNoME」は、220万個の新しい無機材料の結晶構造を発見したと発表した。そのうち38万個は安定しており、実験的に合成され実用化される可能性が最も高い潜在的な新材料となり、材料研究の進歩を大きく促進する。
Microsoft は、マテリアル リバース デザイン用の生成 AI モデルである MatterGen を発表しました。特定のニーズに応じて新しい材料構造を直接設計する能力。たとえば、複数の特性を持つ磁性材料を設計する場合、このモデルは、高い磁気密度とサプライチェーンのリスクが低い化学組成を持つ構造を提案できます。さらに、MatterGen には、化学的特性、対称性、材料特性などの制約に応じて微調整できる複数の調整可能なモジュールが装備されており、特定の磁気的、電子的、または機械的特性を満たす材料を生成できます。
HyperAIは、公式ウェブサイトでチュートリアル「MatterGen無機材料設計モデルデモ」を公開しました。チュートリアルのアドレスは次のとおりです:
要約すると、これらの企業は材料化学の分野における AI のさまざまな参入ポイントを示しており、大規模な材料発見から「オンデマンド設計」への新たな技術的飛躍も示しています。 AI モデルが進化し続けるにつれて、材料科学はより効率的でインテリジェントな時代へと進んでいます。
参考文献:
1.https://phaseshift.ai/
2.https://blog.csdn.net/a13981820402/article/details/140632362
3.https://www.sohu.com/a/140409967_488176
4.https://www.ccf.org.cn/YOCSEF/Branc