また、AIを活用することで、新規材料をゼロから発見・提案することができます。例えば、どのような化学組成が化合物を形成しやすいかをフィルタリングすることで、元素プールから元素の組み合わせを推奨するシステムや、既存の材料のイオン置換を提示して新しい化合物を発見するシステムを開発することができます。
また、これらのモデルを用いて新素材の結晶構造を予測することで、どのような分子が希望の結晶構造を持つ可能性があるのかをより正確に探ることができるようになります。新しい
有機ELシステムの例では、より最適化された構造を開発するために、機械学習が非常に重要であることを示しています。
また、AIはプロセスの最適化にも利用できます。例えば、金属製錬のような材料製造のプロセスを最適化することができます。このパイプラインには、鉱石の濃度分析、鉱石の処理、金属の分離の自動化など、AIを利用することで高速化できる重要なステップがいくつかあります。
例えば、ある合金の加工パラメータがどのような機械的特性を持つかを予測できるモデルを開発すれば、この合金の機械的特性が最適になるように加工パラメータを最適化することができ、それによって製錬方法を改善することができます。
さらに、これらのシステムの量子力学的なシミュレーションにも、AIの手法が大いに活用されています。分子レベルで材料を設計する際には、量子力学的特性が非常に重要であり、システムの正確な量子力学的記述が必要となります。
これは、系の密度汎関数によって与えられますが、多くの場合、非常に退屈で大規模な計算であり、数値的に近似しなければなりません。また、非常に複雑なシステムでは失敗することもあります。しかし、密度関数の推定に
機械学習を適用することで、より迅速に、より強固に、より高い精度で密度関数を予測することができるようになりました。