シンガポール国立大学（NUS）数学科の李乾晓准教授チームは、微視的データから材料の巨視的挙動を学習するAI手法を開発した。原子間相互作用を全てシミュレーションする従来手法は計算コストが膨大であり、実規模な長期予測が困難だった。本研究は、個々の粒子を追跡する代わりに、系の集団的振る舞いを捉える少数の隠れ変数をAIが自動抽出し、巨視的な時間発展を高精度に予測する。 二つの技術的突破がある。第一に、微小系のシミュレーションデータのみで大型確率系の挙動を正確に予測可能とし、五十万原子超の合金などでも有効性を数学的・実証的に裏付けた。第二に、流体や高分子など順序のない粒子系にも対応。粒子の個別追跡ではなく分布パターンを学習することで、ラベル順序に依存しない安定した予測を実現した。 本手法の最大の強みはスケーラビリティである。学習スケールを遥かに超える実材料規模の挙動を推論でき、計算資源を大幅に削減しつつ物理的精度を維持する。成果は学術誌Physical Review MaterialsおよびICML 2026で発表された。将来的には実験データや中間スケールシミュレーションと統合し、エネルギーやエレクトロニクス分野の新材料開発を加速させることを目指す。