AIを活用したX線データ解析で新たな材料開発が加速

AIの力で複雑なスペクトルの自動解析が可能に

背景と目的

材料科学の分野では、X線吸収分光法（XAS）が幅広く利用され、物質の構造や電子状態を明らかにする手法となっています。しかし、得られるX線吸収スペクトルは結晶構造や欠陥の影響によって複雑に変化し、従来の解析手法では専門知識と膨大な作業が求められてきました。そこで、東京理科大学の研究チームは、教師なし機械学習を利用した自動解析の方法を確立し、これまで以上に効率的で高精度な材料解析を目指しました。

研究の成果

研究を主導した長谷川礼佳氏などの共同研究グループは、UMAPという機械学習手法を適用し、複雑なX線吸収スペクトルから材料の結晶構造や電子状態を自動的に解析することに成功しました。これにより、高次元のデータを効果的に分類し、原子の結合状態やわずかな電荷移動の違いを識別することができました。これは、これまでの方法では見落とされがちだった特性に光を当てる画期的なアプローチです。

また、開発した解析モデルは、シミュレーションデータだけでなく実験データにも適用可能であることを実証。これにより、さまざまな材料の物性解析の基盤が整いました。研究成果は、2025年11月10日付の国際学術誌「Scientific Reports」に発表され、注目を集めています。

機械学習の役割と効果

従来、XASスペクトルの解析には高度な専門知識が不可欠でしたが、UMAPを用いることにより、データの複雑さを扱いやすくし、客観性を持った解析が可能になりました。この解析方法は、特に非線形かつ高次元データの処理に効果を発揮し、以前の主成分分析（PCA）や多次元尺度構成法（MDS）よりも優れた成果を示しました。