スペクトルから思いもかけない物性をAIが予測東京大学，東京工業大学
物質開発の現場では，分光実験によりスペクトルを測定して物質の結晶構造や電子状態を調べる。分光実験に用いる装置や測定条件によって，得られたスペクトルから取得できる情報が異なる。たとえば，物質に電子線やX線を照射する内殻電子励起分光法で得られるスペクトルは，物質の局所的な電子構造の情報を主に有していることが広く知られている。それぞれの分光実験により得られる物性情報は，数種類程度であった。そのため，別の情報が必要な場合は，別の装置や条件で実験し直す必要があった。
同グループは，このようなスペクトルの限界を打破すべく，人工知能で用いられる機械学習法の一種であるニューラルネットワークを利用し，内殻電子励起スペクトルから得られる物性の情報を調べた。これまでのさまざまな分光実験の経験をもとに，容易に入手可能な3つの情報をニューラルネットワークの入力に追加した結果，1つの内殻電子励起スペクトルから，11種類の物性を高精度に抽出することに成功した。得られた物性の中には，これまで本スペクトルから取得できることが知られていた電子状態に関する情報に加えて，本スペクトルとは無関係と考えられてきた光学特性，振動特性，さらに，分子の質量（分子量）や，分子の安定性（内部エネルギー）に関する情報も含まれていた。
本研究により，人工知能技術に人間のノウハウを組み合わせることで，これまでの常識とは異なる多数の情報をスペクトルから抽出できることが分かった。一度の分光実験で多くの情報を得ることができれば，物質開発を効率的に行うことができると期待される。
