物理法則統合型AIが新素材予測の検証性を高める

東北大学WPI物質科学研究国際センターの李浩特任教授らは、材料発見プロセスにおけるAIの予測解釈性向上と物理法則との整合性確保を目的とした新フレームワーク「PhysMat AI」を提唱した。本研究は学術誌『Advanced Functional Materials』（2026年号）に掲載された。従来型のデータ駆動型AIは学習外データでの信頼性低下や物理法則との矛盾が課題であったが、本枠組みは熱力学や反応動力学、電子構造などの基礎物理知識をAIモデルに直接的に組み込むことで、この限界を克服する。 PhysMat AIは、事前知識、記述子、制約条件、検証機能、インフラストラクチャから構成される五層アーキテクチャを採用し、AIが物質データを体系的に扱い、物理原理に基づいて予測を検証できるように設計されている。触媒、全固体電池電解質、水素貯蔵材料といったエネルギー分野での適用事例が示され、シミュレーションや実験データと連携する自律型AIエージェントへの発展の可能性も検討されている。研究チームは、物理知識の組み込みから物理推論、さらには実験とシミュレーションを自律的に循環させる「物理自律型AI」へ至る段階的ロードマップを提示。これにより、新材料発見の効率化とAI予測の実験検証可能性が大幅に向上し、次世代エネルギー技術の開発加速が期待される。