AIが材料分析の常識を変える！複雑なX線スペクトルを自動解析
物質の性質を調べる際に使われる「X線吸収スペクトル」は、材料の構造や電子の状態を知るための重要な手がかりです。しかし、このスペクトルは結晶の形や材料に含まれるわずかな欠陥によって複雑に変化するため、これまでは高い専門知識とたくさんの時間、そして手間をかけて解析する必要がありました。
東京理科大学、東京大学、東京科学大学、筑波大学の共同研究グループは、この難しい課題を解決するため、AIの一種である「教師なし機械学習」という技術に注目しました。そして、このAIを活用して、複雑なX線吸収スペクトルから材料の構造や欠陥、さらには電子の状態までを自動で、しかも高精度に解析することに成功しました。
専門知識不要で高精度な解析を実現
研究グループが開発したのは、「UMAP」という教師なし機械学習の手法を用いた解析モデルです。このUMAPは、たくさんの複雑なデータを、その本質的な特徴を保ちながら、よりシンプルに（低次元に）まとめることができる画期的な技術です。
研究では、次世代の先端材料として注目されている「窒化ホウ素（BN）」という物質のX線吸収スペクトルを対象としました。BNは、層状や立方体など、さまざまな結晶構造を持つことが知られています。UMAPを使うことで、これらの結晶構造の違いや、材料に含まれる空孔（原子が抜けた場所）などの欠陥の種類を、スペクトルデータから自動的に分類し、識別できるようになりました。
これまでの解析方法である「主成分分析（PCA）」や「多次元尺度構成法（MDS）」と比べても、UMAPは特に複雑なスペクトルの奥に隠された本質的な特徴をより正確に捉えることができると判明しました。さらに、原子の結合状態やごくわずかな電荷の動きの違いまで識別できることも明らかになり、これは従来の技術では難しかった画期的な成果です。
この解析モデルは、コンピューターで作り出したシミュレーションデータだけでなく、実際に実験で得られたデータに対しても有効であることが実証されました。これにより、理論と実験が結びついた新しい材料解析の手法が確立されたと言えます。
新素材開発を加速する可能性
今回の研究成果は、材料科学の分野に大きな影響を与えることが期待されています。膨大な量のスペクトルデータを効率的に、かつ客観的に解析できるようになることで、これまで時間と手間がかかっていた新素材の開発プロセスが大幅に加速するでしょう。スマートフォンや電池、触媒など、さまざまな分野での革新的な材料の発見につながる可能性を秘めています。
本研究を主導した東京理科大学の小嗣教授は、「今回、複雑なスペクトル変化をAIで自動解析することに成功しました。この成果は、さまざまな材料研究者の力となり、さらにスマートフォン、電池、触媒の開発を加速させることが期待されます」とコメントしています。
この研究は、科学技術振興機構（JST）の戦略的創造研究推進事業CRESTの助成を受けて行われ、自然科学研究機構 岡崎共通研究施設 計算科学研究センターのスーパーコンピュータが活用されました。
論文情報と研究グループ
本研究成果は、2025年11月10日に国際学術誌「Scientific Reports」にオンライン掲載されました。
-
雑誌名: Scientific Reports
-
論文タイトル: Automated Elucidation of Crystal and Electronic Structures in Boron Nitride from X-ray Absorption Spectra Using Uniform Manifold Approximation and Projection
-
著者: Reika Hasegawa, Arpita Varadwaj※, Alexandre Lira Foggiatto, Masahito Niibe, Takahiro Yamazaki, Masafumi Horio, Yasunobu Ando, Takahiro Kondo, Iwao Matsuda, Masato Kotsugi※
この研究は、東京理科大学、東京大学、東京科学大学、筑波大学の研究者が共同で実施しました。
より詳細な情報については、東京理科大学のウェブページもご参照ください。
補足：専門用語の解説
-
教師なし機械学習: 正解のデータが与えられていない状態から、AIがデータの中に隠れたパターンやルールを自ら見つけ出す学習方法です。
-
UMAP（Uniform Manifold Approximation and Projection）: 高次元の複雑なデータを、その特徴を保ちながら、人間が見て理解しやすい低い次元の空間にまとめる（次元削減する）ためのAI技術の一つです。
-
X線吸収分光法（XAS: X-ray Absorption Spectroscopy）、X線吸収スペクトル: 物質にX線を当てたときに、どのエネルギーのX線がどれくらい吸収されるかを測る方法がX線吸収分光法です。その結果をグラフにしたものがX線吸収スペクトルで、物質の原子の周りの構造や電子の状態を知るのに役立ちます。
-
主成分分析（PCA: Principal Component Analysis）: たくさんのデータの中から、最も違いの大きい（ばらつきの大きい）部分を抜き出して、データをシンプルにまとめる（次元削減する）統計的な手法です。
-
多次元尺度構成法（MDS: Multi Dimensional Scaling）: データ同士の似ている度合い（距離）を保ちながら、データを低い次元の空間に配置して、その関係性を目で見てわかりやすくする手法です。
-
第一原理計算: 実験データを使わず、物理の基本的な法則（量子力学など）だけに基づいて、物質の性質や電子の状態をコンピューターで計算する手法です。
-
状態密度（DOS: Density of States）: 電子が持つエネルギーごとに、そのエネルギーを持つ電子がどれくらいいるかを示す量で、材料の電気的な性質などを理解するのに重要です。
