北陸先端科學技術大學院大學共創智慧研究領域的Dam Hieu Chi教授等人組成的合作研究團隊宣佈，透過採用注意力機制的深度學習，開發了一種新的材料資訊學方法。研究表明，以分子材料和結晶材料等爲物件應用該方法，能夠對多種物性進行高精度的物性值預測，並且同時能夠對結構物性進行明確解釋。該成果已在2023年12月7日刊登在科學雜誌《npj Computational Materials》上。
圖1.利用注意力機制，從材料的結構資訊中預測物性值並對結構内各部分的關注度進行定量評估的方法。（a）以苯酚（C₆H₅OH）的分子結構爲例，將整體結構分割爲各個部分，並對各部分彼此之間的資訊進行遞迴性分析。（b）根據分析結果，以一致且連貫的方式進行資料學習。透過該方法，可以高精度地預測材料的物性值，還能夠自動推導出其表現的終極因數。（供圖：北陸先端科學技術大學院大學）
研究團隊此次將分子結構和晶體結構等的整體結構合理地按部分分割，並利用了採用注意力機制的深度學習模式，開發出了一種能夠在預測分子和晶體等的物性值時，定量評價各部分結構關注度的方法。注意力機制是深度學習領域的一種先進的技術，其特點在於自動關注資料中的重要資訊。
在該方法中，整體結構中的各部分結構將對彼此之間的資訊進行遞迴性調查，並且以一致且一貫的方式學習資料。因此，不僅能夠非常高精度地預測材料的物性值，還可以揭示這些物性的表達終極因數。
另外，透過定量顯示對物質結構中各部分的關注度，可以直觀地理解物性與結構之間的複雜關係，這不僅使降低計算成本和深化對新材料的理解成爲可能，還加速了材料開發的進程。
注意力機制在材料科學領域的應用，與使用了自然語言處理和影像處理中（類似用於本文生成的OpenAI的GPT系列和DALL-E等）運用的自注意力機制的近期生成模式密切相關。據悉，該機制可以自動捕捉資料内在的關係和模式等，並利用它們特別高效地生成新資料。
Dam教授表示：「這項研究真正的創新性，不僅侷限於降低計算時間和成本，更在於爲研究人員提供了關於材料的深刻洞察和新發現的線索。它提出了一種透過人類和AI的共同創造，開啓知識共創新時代的突破性方法。該方法將加速科學界與產業界新材料發現與開發的進程，同時也可能深刻改變未來科學研究的方式。」
原文：《科學新聞》
翻譯：JST客觀日本編輯部
【論文資訊】
雜誌：npj Computational Materials
論文：Towards understanding structure-property relations in materials with interpretable deep learning
DOI：10.1038/s41524-023-01163-9
