SemiConLens: Visual Analytics for 2D Semiconductor Discovery

SemiConLens は、データ不足と信頼性の課題を克服するために、新しい相関認識多変量補完（CAMI）法と対話型可視化を統合した視覚分析システムであり、これにより材料研究者が有望な 2 次元半導体候補を効果的に発見・評価することを可能にする。

要約

あなたが、広大で混沌とした海の中で、非常に特定の種類の金を探している treasure hunter（宝探し者）だと想像してください。現実世界において、この「金」とは、今後のコンピューター、スマートフォン、エネルギー網を動力源とする可能性のある、数原子の厚さしかない新しい種類の2 次元半導体です。

問題は、海が広大で、水が濁っており、手元にある地図には穴が空いていることです。

本論文は、これらの材料を科学者がより迅速かつ確実に見つけるために設計された、ハイテクな「潜水服とソナーシステム」であるSemiConLensを紹介するものです。その仕組みを、簡単な概念に分解して以下に示します。

1. 問題：欠落したピースを持つ地図

科学者たちは、従来のコンピューターチップが限界に達していることを知っています。それらは小さくなりすぎており、過熱しています。これを解決するには、新しい 2 次元材料が必要です。

• 従来の方法： 科学者たちはかつて、実験室で化学物質を混ぜ、それをテストし、うまくいくことを願うという手法をとっていました。これは、棒で藁を一つずつ突いて、藁の山から針を探すようなものです。遅く、かつ高価です。
• 新しい方法（課題）： 彼らは、どの材料が機能するかを予測するためにコンピューターと人工知能（AI）を使い始めました。しかし、落とし穴があります。AI は、十分な教科書を読んでいない生徒のようです。データは「スパース（疎）」であり（ページが欠落している）、AI は自分が正しいかどうかを知ることなく推測することがよくあります。これは、3 日分のデータしか持っていない気象予報士に、来週の雨を予測させるようなものです。

2. 解決策：SemiConLens

著者たちは、AI の raw な力と科学者の人間の直感の架け橋となるSemiConLensというシステムを構築しました。これには 2 つの主要なエンジンがあります。

エンジン A：「スマートな充填器」（CAMI）

データ地図に穴があるため、システムは偽の事実を作り出すことなく、それらを埋める必要があります。

• 仕組み： あなたが、価格タグがいくつか欠落している街の家の価格を推測しようとしていると想像してください。ランダムに推測するのではなく、隣にある似たような家（同じ大きさ、同じスタイル）を見て、それらがいくらで売れたかを確認します。
• 革新性： システムはCAMIと呼ばれる手法を使用します。異なる材料の特性がどのように関連しているか（相関）を調べ、欠落した数値を埋めるために類似した材料（類似性）を見つけます。これは、単に推測するのではなく、文脈の手がかりを使って謎を解く探偵のようです。

エンジン B：「信頼度メーター付きの水晶玉」（予測と不確実性）

地図が埋められた後、システムは AI を使用して材料の性能を予測します。しかし、単一の数値を提示するだけの標準的な AI とは異なり、SemiConLens はどの程度確信を持っているかを伝えます。

• 比喩： 通常の AI が「この材料の効率は 90% です」と言うのに対し、SemiConLens は「この材料の効率は 90% ですが、データのいくつかを推測せざるを得なかったため、その数値について 60% しか確信していません」と言います。
• 重要性： これにより、科学者が AI が単に「幻覚（根拠のない推測）」している材料に時間を浪費することを防ぎます。

3. インターフェース：発見のためのダッシュボード

このシステムは、宝探しのためのコックピットのような 3 つの主要なビューを備えた画面でデータを提示します。

• フィルタービュー（ふるい）： ここで科学者はルールを設定します。「室温で安定しており、かつ高速な材料のみを表示する」といった具合です。これは、砂を落とし、金粒だけを捕まえるようにふるいを設定するようなものです。また、「履歴トレイル」も表示され、現在のリストにたどり着くまでの過程を確認できます。
• 発見ビュー（星座図）： これが最もクールな部分です。材料は**円形のバッジ（グリフ）**として表示されます。
  • 内側の円形グラフ： 速度やエネルギーなどの主要な統計データを示します。
  • 外側のリング： その材料がなぜそのような統計データを持つのか（どの微小な原子がその効果を引き起こしているか）を示します。
  • レイアウト： バッジは、類似した材料が星座の星のように集まるように配置されます。システムは、数千個あっても重ならないように、特別なアルゴリズムを使用してそれらを押し離します。
• 比較ビュー（スコアカード）： 科学者が 2 つの有望な候補を見つけたとき、それらをヒートマップで並べて比較できます。これは仕様書で 2 台の車を比較するようなものですが、分子構造を見るために回転させることができる 3D モデルが付いています。

4. 機能するか？

著者たちは、このシステムを実際の材料科学者（分野の専門家）でテストしました。

• 結論： 専門家はそれを気に入り、以前よりもはるかに迅速に潜在的な材料を見つけるのに役立ったと述べました。
• 実世界でのテスト： あるテストでは、水を水素燃料に分解するための材料を見つけるためにシステムを使用しました。システムは、専門家ですでに良いと知られていた材料（WS2）を素早く特定し、システムが機能することを証明しました。別のテストでは、新しいタイプの低電力トランジスタの候補を見つけました。
• 小さな不満： 画面に数千個のアイテムが表示されている場合、バッジが重ならないように重い計算を行っているため、システムは少し遅い（更新に約 7 秒かかる）という点です。しかし、専門家はトレードオフは価値があると言いました。

まとめ

SemiConLensは、潜在的な材料の散らかった不完全なデータセットを取り、スマートな数学を用いて空白を埋め、その結果を人間がパターンを確認し、AI の信頼性をチェックし、より良い意思決定を行えるように表示するツールです。これは、データという混沌とした海を、次世代の技術を見つけるための明確で航行可能な地図へと変えるものです。

技術概要

技術的概要：SemiConLens 2 次元半導体発見のための視覚分析

問題定義
新しい 2 次元（2D）半導体材料の発見は、ナノメートルスケールにおける従来のシリコンベーストランジスタの性能限界を克服する上で極めて重要です。しかし、このプロセスは重大な障壁に直面しています。従来の実験ワークフローは遅く、高コストであり、試行錯誤に大きく依存しています。密度汎関数理論（DFT）などの計算アプローチは正確ですが、大規模なスクリーニングには計算コストが高く、時間がかかります。機械学習（ML）はより高速な代替手段を提供しますが、材料科学における 2 つの主要な課題に阻まれています。(1) データ希少性：C2DB などのデータセットには数千の化合物が含まれていますが、CBM GW や VBM GW などの重要な属性に対するラベル付き値を持つのは数百に過ぎません。(2) 信頼性と信頼性：ML モデルはしばしば「ブラックボックス」として機能し、予測の不確実性や意思決定の根拠に関する透明性が欠如しています。

手法
著者らは、人間のドメイン専門知識と ML の能力の間のギャップを埋めるために設計された視覚分析システム「SemiConLens」を提案します。このシステムは、希少性対応予測パイプラインとインタラクティブな視覚化インターフェースという 2 つの統合モジュールを通じて動作します。

1. 希少性対応予測パイプライン：

   • 相関対応多変量補完（CAMI）：データ希少性に対処するため、著者らは CAMI を開発しました。標準的な補完とは異なり、CAMI は過剰な欠損を持つ列/行をまず除外し、その後ピアソン相関行列を計算することで、欠損値を反復的に埋めます。欠損値を持つ対象列に対して、最も相関の高い上位の列を特定し、それらの列の欠損値を列平均を用いて補完した後、類似度に基づく行選択（K 近傍法を使用）を用いて、最も類似した観測インスタンスに基づいて対象値を推定します。これは、グローバル平均補完よりも属性間の相関をよりよく保持します。
   • モデル選択と不確実性推定：システムは、5 つの主要な半導体属性を予測するために複数の ML モデル（RF、SVR、MLP、GB、NGBoost、オートエンコーダ）を評価します。パフォーマンスに基づき、電子移動度と正孔移動度の予測にはオートエンコーダ（AE）（少数ショット学習能力を活用）が選択され、バンドギャップ GW、VBM GW、CBM GW には**自然勾配ブースティング（NGBoost）**が使用されます。
   • 不確実性の定量化：不確実性は明示的に計算されます。AE の場合は再構成誤差（平均絶対パーセント誤差）を通じて、NGBoost の場合は予測標準偏差から導出された相対標準偏差（RSD）を通じて計算されます。特徴量の重要度は SHAP（SHapley Additive exPlanations）値を用いて決定されます。

2. 視覚分析システム：
   インターフェースは、3 つの協調ビューで構成されます。

   • フィルタビュー：平行座標と埋め込み散布図を用いた属性分布の概要を提供し、不確実性の視覚化を含みます。属性選択用のコントロールパネルと、探索履歴を追跡するためのツリー図が含まれます。
   • 発見ビュー：化合物空間を、新しい円形ギルフデザインを用いて視覚化します。内側の円グラフはユーザーが選択した主要属性を符号化し、外側の円形棒グラフは、化合物が特定の値を持つ理由を説明する影響因子（特徴量の重要度または相関の強さ）を符号化します。高密度なクラスターにおける視覚的混乱を管理するため、クラスター対応レイアウト最適化技術が採用されます。これは、クラスターサイズに基づいて領域を拡大するカルトグラムスケーリングと、境界収容および位置保存の力を組み込んだ力指向アルゴリズムを組み合わせ、クラスターのトポロジーを維持しながら重なりを最小化します。
   • 比較ビュー：行が化合物、列が属性を表すインタラクティブなヒートマップを通じて詳細な分析を容易にします。データソース（予測、補完、真値）と不確実性（円の半径を通じて）が視覚的に符号化されます。また、3D 分子構造の視覚化も統合されています。

主要な貢献

• CAMI 手法：属性相関とサンプル類似性の両方を活用して希薄な材料データセットを処理する新しい補完技術であり、予測タスクにおいて平均補完やゼロ補完を上回る性能を発揮します。
• SemiConLens システム：希少性対応予測とインタラクティブな視覚化を統合したエンドツーエンドの視覚分析フレームワークです。ML 予測と不確実性の定量化、説明可能性（SHAP 経由）を独自に組み合わせ、信頼性の高い発見を支援します。
• 視覚デザインの新規性：属性値とその影響因子を同時に表示する二重層円形ギルフの導入と、高密度視覚化におけるギルフの重なりを減らしながらクラスター構造を保持するクラスター対応レイアウト最適化アルゴリズムの組み合わせ。

結果と評価
システムは、定量的指標、専門家インタビュー、2 つのユースケースを通じて評価されました。

• 定量的評価：CAMI 手法は、平均補完やゼロ補完と比較して、電子移動度と正孔移動度の予測性能を大幅に向上させました。モデル評価により、AE モデルが移動度予測に優れており、NGBoost がバンドギャップ関連属性において最良のパフォーマンスを発揮することが確認されました。
• 専門家インタビュー：12 人のドメイン専門家（博士課程学生、ポスドク、研究員）がシステムを評価しました。参加者は、有効性（平均 6.00–6.67）と使いやすさ（平均 6.50）においてシステムを高く評価しました。専門家は、有望な候補を特定するシステムの能力と、フィルタ履歴および不確実性視覚化の有用性に言及しました。一部のフィードバックでは、情報密度が圧倒的である可能性と、システム応答時間（レイアウト最適化により約 7 秒）の改善余地が示されました。
• ユースケース：
  • 水分解：システムは、水素発生におけるベンチマークである MoS2 と類似した候補として WS2 を正常に特定し、フィルタリングとクラスター探索ワークフローを検証しました。
  • トンネル電界効果トランジスタ（TFET）：システムは、特定のタイプ II バンドアライメントを持つドナー-アクセプターペアの特定を支援し、計算フィルタリングと専門家のドメイン知識（例えば、非層状構造の除外）を組み合わせる能力を実証しました。

重要性
本論文は、SemiConLens が、発見プロセスをより透明で信頼性の高いものにすることで、材料研究者が高ポテンシャルの 2 次元半導体を発見するのを効果的に支援すると主張しています。CAMI によるデータ希少性の明示的な対処と、予測不確実性及び特徴量重要度の視覚化を通じて、システムはデータがしばしば限られており、従来の手法があまりに遅い分野において、情報に基づいた意思決定を可能にします。この研究は、人間の直感と ML 駆動の洞察を、カスタマイズされた視覚分析インターフェースを介して組み合わせることが、次世代技術のための望ましい材料の特定を加速し得ることを実証しています。