Thermodynamics-Informed Machine Learning for Energy Materials Discovery

天気を予測しようとしている場面を想像してみてください。もし、絶対零度における大気の凍りついたスナップショットだけを見ているとしたら、雲はただのふわふわとした静止した水の塊に見えるかもしれません。しかし、現実の世界では、熱が空気を躍らせ、風を渦巻かせ、雲の形を変えていきます。材料科学の世界では、科学者たちは強力なコンピュータを使用して、太陽光パネルや電池、触媒などのための新しい材料を設計しています。長い間、彼らは「凍りついたスナップショット」のアプローチ、つまり原子が完璧に冷たく静止した格子の中にどのように位置しているかを計算する方法に頼ってきました。これは一部の物事にはうまく機能しますが、最も重要な現実、すなわち「熱」を見落としてしまいます。熱は単なる温かい毛布ではありません。それは、原子の動き、原子同士のくっつき方、さらにはどの形状を好むかさえも変えてしまう、混沌としたパーティーなのです。熱によるこの「ダンス」を考慮に入れなければ、コンピュータによる予測は、すべてが熱く動いている現実の世界とは一致せず、しばしば失敗に終わります。

この論文は、新しいエネルギー材料を発見するための次の大きな飛躍には、凍りついたスナップショットを見るのをやめ、コンピュータに熱の「熱力学」を理解させる必要があると主張しています。著者であるポル・ベニテス、シブラン・ロペス、クラウディオ・カゾルラは、現在の機械学習モデルは、静止画の教科書だけを勉強してきた学生のようなものだと説明しています。彼らは静止した構造のエネルギーを予測することには非常に長けていますが、その構造が熱くなって揺れ動いたときにどのように振る舞うかを推測することは極めて苦手です。彼らは、多くの材料において、「勝者」とは絶対零度で最もエネルギーが低いものではなく、熱の混沌を最もよく扱えるものであると指摘しています。この論文は、この問題をまだ解決したと主張しているのではなく、静的なエネルギーだけでなく、温度が材料の働きにおいて果たす、乱雑で美しく不可欠な役割を学習する、次世代のAIをどのように構築するかというロードマップを描いています。

凍結の罠 vs. 熱い現実

材料をレゴの城と考えてみてください。従来の方法では、科学者はすべてが完全に静止して冷たい状態のとき、ブロックがどのように組み合わさっているかを見ることで、最も安定した城を見つけようとコンピュータを使用してきました。これは「ゼロ温度」近似と呼ばれます。これは、音楽が止まったときのダンサーだけを見てダンスコンテストを判定するようなものです。問題は、現実の世界では、音楽が決して止まらないことです。原子は絶えず振動し、小刻みに動き、場所を入れ替えています。この動きが「エントロピー」、つまりシステムにおける無秩序や混沌の度合いを表す、もっともらしい言葉を生み出します。

論文によれば、高温では、この混沌が実際に構造をより安定させることがあります。例えば、静止しているときは倒れてしまいそうな、ぐらつくブロックの塔を想像してみてください。しかし、テーブルを揺らす（熱を加える）と、ブロックが新しい、より引き締まった形成へと小刻みに動き、静止していたバージョンよりもよく保持されるようになるかもしれません。現在の機械学習モデルは、この現象を完全に見落としていることが多いのです。彼らは静的で凍りついた計算のデータで訓練されているため、ぐらつく塔は不安定であると判断し、切り捨ててしまいます。しかし実際には、そのぐらつく塔こそが室温でのチャンピオンである可能性があります。著者らは、これらの凍結モデルに依存することは大きな障壁であると主張しています。なぜなら、熱を入れた途端に失敗してしまう材料を選んでしまうことになるからです。

新しいゲームプラン：AIに熱を感じさせる方法

では、どうすればこれを修正できるのでしょうか？論文は、私たちのAIを「静止画のカメラマン」から「熱力学のディレクター」へとアップグレードする必要があると示唆しています。単一の静止した構造のエネルギーを予測するのではなく、新しいモデルは、静的なエネルギーに熱とエントロピーの効果を加えたもの、すなわち「自由エネルギー」を予測する必要があります。

著者らは、「機械学習による原子間ポテンシャル」のように、すでに試みられているいくつかの異なる戦略をレビューしています。これらは「超スマートな近道」と考えることができます。すべての原子の動きに対して、信じられないほど遅くて高価な数学的計算を行う代わりに（これはビーチの砂粒を一つずつ数えようとするようなものです）、これらのAIモデルは砂の動きのルールを学習し、ビーチ全体の動きを瞬時にシミュレートすることができます。これにより、科学者は原子が熱い温度で踊る様子を描いた仮想的な映画のような「分子動力学」シミュレーションを実行できるようになります。これらの映画から、自由エネルギーを抽出し、どの材料が実際に安定しているかを確認できるのです。

しかし、論文は、これらの高度なツールでさえ限界があることを警告しています。もしAIが穏やかな低温のダンスだけで訓練されているなら、音楽のテンポが上がり、原子が激しく飛び跳ね始めたときに混乱してしまうかもしれません。著者らは、いくつかの主要な解決策を提案しています。

1. 直接学習： ダンスをシミュレートしてから後でエネルギーを計算するのではなく、温度を原子の形状と同じように学習すべき変数として扱い、AIに自由エネルギーを直接予測させるべきです。
2. エントロピーへの意識： AIは、エントロピー（混沌の要因）がルールを変える実在の要素であることを理解する必要があります。私たちは、静かな部屋と混み合ったパーティーの違いを「感じる」ことができるモデルを構築する必要があります。
3. 能動的学習（アクティブラーニング）： これは、自分が何を理解していないかを正確に知っている賢い学生のようなものです。ランダムな事実を勉強する代わりに、AIは「ねえ、この特定の温度範囲についてはよく分かりません。そこでのシミュレーションを実行して、もっと学びましょう」と問いかけます。これは、データが不足しているギャップを埋めるのに役立ちます。

なぜこれがエネルギーにとって重要なのか

論文は、この新しいアプローチがゲームチェンジャーとなり得る3つの具体的な分野を強調しています。

• 太陽光パネル（フォトボルタイク）： ペロブスカイトのような材料では、熱が材料が吸収する光の色を変えることがあります。凍結したバージョンだけを見ていると、その材料は役に立たないと思うかもしれませんが、熱くなると、日光を捉えるのに完璧なものになるかもしれません。また、熱は電気がいかに流れやすいかも変えてしまいます。
• 触媒： これらは、車の排気システムや燃料製造のように、化学反応を加速させる材料です。触媒の表面は硬い岩ではなく、熱くなると形が変わるダイナミックな景観です。「魔法」が起こる「活性サイト」は、原子が小刻みに動いているときにのみ現れるかもしれません。もし凍結モデルに基づいて触媒を設計すれば、真のヒーローを見逃してしまうかもしれません。
• 全固体電池： これらの電池は、液体ではなく固体の材料を使用してイオン（荷電した原子）を移動させます。このイオンの移動は、多くの場合、材料の構造の振動によって助けられます。もし構造が硬すぎる（凍結している）と、イオンは移動できません。しかし、適切な温度で構造が「柔らかく」揺らいでいれば、イオンは素早く通り抜けることができます。現在のモデルは、熱による振動を考慮していないため、この「柔らかさ」を見落としがちです。

前方への道のり

著者らは、私たちはまだそこに至っていないことを明確にしています。これらの新しいモデルを訓練するためのデータを取得することは難しく、コストがかかることを認めています。熱のシミュレーションには膨大なコンピュータパワーが必要であり、AIに教えるべきすべてのことを学ぶための、異なる温度での材料の振る舞いの例は十分にありません。また、現在のAIモデルはしば熱力学のルールを破り、負の熱容量のような物理的に不可能なことを予測してしまうことも指摘しています。

しかし、論文は楽観的です。機械学習のスピードと熱力学の厳格なルールを組み合わせることで、材料がどのような姿をしているかだけでなく、それが実際に機能しているときに「何をするか」を理解する、新しい種類のAIを構築できると示唆しています。目標は、凍りついた世界のために材料を設計することから、それらが実際に使用される、現実の熱く混沌とした世界のために設計することへと移行することです。それは、静止画を撮ることから、フルモーションの映画を演出することへの転換であり、これまで設計できたものよりも効率的で、安定し、強力な新しいエネルギー材料の時代を切り開くことを約束しています。