AI-driven inverse design of materials: Past, present and future

要約

先端材料の発見は、人類の技術開発と進歩の基礎です。
材料の構造とそれに対応する特性は、本質的に、格子、電荷、スピン、対称性、トポロジーなどの複数の自由度の複雑な相互作用の結果です。
これは、材料の逆設計法にとって重大な課題を引き起こします。
人類は長い間、多数の実験を通じて新しい材料を探索し、新しい材料の特性や構造を予測するための対応する理論システムを提案してきました。
計算能力の向上に伴い、研究者は、特に密度汎関数理論などのさまざまな電子構造計算方法や、高スループットの計算方法を徐々に開発してきました。
最近、コンピューターサイエンスの分野における人工知能技術の急速な発展により、材料特性と構造の間の暗黙的な関連性を効果的に特徴付けることが可能になり、機能性材料の逆設計のための効率的なパラダイムが開かれました。
生成モデルと識別モデルに基づく材料の逆設計において大きな進歩が見られ、研究者から幅広い注目を集めています。
この急速な技術進歩を踏まえ、本調査では、AIを活用した材料の逆設計の最新の進歩を、その背景、重要な発見、主流の技術開発ルートを紹介しながら振り返ります。
さらに、今後の方向性について残された課題をまとめます。
この調査は、AI を活用した材料の逆設計の最新の概要を提供し、研究者にとって有用なリソースとなります。

要約(オリジナル)

The discovery of advanced materials is the cornerstone of human technological development and progress. The structures of materials and their corresponding properties are essentially the result of a complex interplay of multiple degrees of freedom such as lattice, charge, spin, symmetry, and topology. This poses significant challenges for the inverse design methods of materials. Humans have long explored new materials through a large number of experiments and proposed corresponding theoretical systems to predict new material properties and structures. With the improvement of computational power, researchers have gradually developed various electronic structure calculation methods, particularly such as the one based density functional theory, as well as high-throughput computational methods. Recently, the rapid development of artificial intelligence technology in the field of computer science has enabled the effective characterization of the implicit association between material properties and structures, thus opening up an efficient paradigm for the inverse design of functional materials. A significant progress has been made in inverse design of materials based on generative and discriminative models, attracting widespread attention from researchers. Considering this rapid technological progress, in this survey, we look back on the latest advancements in AI-driven inverse design of materials by introducing the background, key findings, and mainstream technological development routes. In addition, we summarize the remaining issues for future directions. This survey provides the latest overview of AI-driven inverse design of materials, which can serve as a useful resource for researchers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google