ブログ

【解説】AIはなぜそう予測したのか？ PFP descriptorsとShapley値で解き明かす原子レベルの解釈性

張 凡

応用物理学会春季学術講演会のWeb予稿集が公開され、いよいよ学会シーズンの到来を感じますね。予稿集の提出を終えて発表準備に追われている方や、公開された予稿を見て聴講計画を立てている方も多いのではないでしょうか。 私は昨年の第86回応用物理学会秋季学術講演会にて、「PFP descriptorsとShapley値を組み合わせた原子レベルでの予測の解釈」

マテリアルズインフォマティクス 解説記事 計算化学

ゼロから書くSMILES記法

張 凡

マテリアルズインフォマティクス（MI）や、DFT計算、分子動力学シミュレーションの普及に伴い、コンピュータ上で分子構造を入力する機会が急増しています。 その際によく用いられるのが、分子構造を文字列として扱うSMILES(Simplified Molecular Input Line Entry System)記法です。多くの化学ソフトで分子構造とSM

解説記事 計算化学

名古屋大学×Matlantis「最先端理工学実験」レポート AIシミュレーションが実験系学生の探究心に火をつけた4日間の集中講義

名古屋大学大学院工学研究科の2025年度下期「最先端理工学実験」では、AI原子レベルシミュレーター「Matlantis」を取り入れた化学シミュレーション実験の授業を行いました。AIシミュレーションという武器を活用することで、研究の質とスピードを劇的に向上させられる。その可能性を、計算化学の専門家ではない実験系の学生が、自分たちの手で体験しました。&

インタビュー 計算化学

機械学習ポテンシャル入門: 材料開発を加速するシミュレーション技術

山内 仁喬

はじめに 材料科学、化学、そして創薬のR&D現場において、原子・分子レベルのシミュレーションは、物質の性質や反応メカニズムをミクロな視点から解明するための基盤技術として定着しています。しかし、研究開発現場での本格的な活用には、常に「精度」「計算コスト」「汎用性」のトレードオフという壁が立ちはだかっていました。 例えば、第一原理計算は量子

機械学習力場 解説記事

Matlantisで実現するMOF材料の高精度・高速計算 – 機械学習ポテンシャルのベンチマーク結果 –

石田 純一

Matlantisで計算可能な材料は多岐に渡りますが、その中でも金属有機複合体（Metal-Organic Frameworks:MOF)は触媒、CO2貯蔵など幅広い用途をもつ重要な材料です。1990年代に見出されたこの材料は既に産業化も進められており、持続可能な社会を持続するために不可欠な材料として世界的にも注目されています。実際、2025年のノーベル化

解説記事 計算化学