航空宇宙、エネルギー、半導体分野では新材料の開発が重要だが、金属合金の実際の挙動を予測するには従来、高コストな試行錯誤が不可欠だった。特に合金では原子レベルの化学的无序が局所環境の多様性を生み出し、既存のシミュレーションでは高精度な再現が困難だった。マサチューセッツ工科大学（MIT）の研究チームは、訓練データを最適化することで合金の挙動を高精度にモデル化する新手法を開発し、査読誌サイエンス・アドバンシズで公表した。 ロドリゴ・フレイトス准教授らが主導する手法の核心は、情報理論を活用した訓練データセットの構築にある。従来の計算では単一材料のデータ生成に莫大な資源を要したが、本研究では原子の置換と冗長性の排除を通じて多様な局所環境を効率的にサンプリング。これによりモデルは微細なエネルギーの偏りを学習し、原子間結合を忠実に再現できるようになった。 検証結果、同手法で訓練されたモデルは大手企業が開発した大規模モデルを上回る精度を発揮。特に相図の作成において実験データと一致し、溶接や熱処理などの加工条件における相安定性を高精度に予測した。フレイトス准教授は本手法が半導体など他材料にも応用可能と述べ、航空機素材や次世代鋼材の開発を加速できると指摘する。現在チームは過酷環境における材料特性評価へ応用を広げ、既存の材料工学ワークフローへの統合を推進中だ。本技術は材料開発のサイクルを大幅に短縮し、次世代産業素材の設計基盤となる。