aLLoyM: 合金相図予測のための大規模言語モデル

金属の地図をAIに読み解かせる

エンジニアがジェットエンジン、電池、原子炉向けの新しい金属を設計するとき、相図と呼ばれる特別な地図を使って、どの元素の組み合わせが温度条件下で固体、液体、あるいはその中間の相になるかを確認します。実験室でこれらの地図を作るのは遅く高価です。本研究は、相図を読み取り、さらには描くことさえ学べる専門化された人工知能（AI）モデル aLLoyM を紹介し、より優れた、より強靭で効率的な材料探索を加速する可能性を示します。

相図が私たちの技術にとって重要な理由

相図は金属の気象図のようなものです。雨や晴れを予測する代わりに、元素の混合物がどこで融解し、硬化し、あるいは条件の変化に応じて内部構造を変えるかを示します。こうした細部が、橋の安全性、タービンブレードの耐熱性、電池の寿命と安定性を静かに左右します。しかし、あらゆる元素組み合わせと温度条件を実験で網羅するのはほぼ不可能です。試すべき組み合わせは無数にあり、それぞれ慎重な加熱・冷却と解析が必要だからです。知るべきことと実際に測定できることのギャップにこそ、AIが実際の違いを生む余地があります。

専門化した言語モデルへのデータ入力

また別の狭義の数理モデルを構築するのではなく、研究者たちは大量の言語処理に用いられる大規模言語モデルを合金の言葉で微調整しました。オープンな計算相図データベースを利用し、837,475のデータ点を問いと答えのペアに変換しました。典型的な問いは「銀46％、アルミニウム54％、900ケルビン：どの相が現れるか？」のような形式で、答えは存在する相を列挙します。低ランク適応（LoRA）と呼ばれる手法を使い、基盤となる Mistral モデルのごく一部だけを調整して、完全な相詳細の予測、出現する相の名称の列挙、あるいは所望の相を生む合金組成と温度の提案という三種のタスクを同時に扱えるようにしました。

AIが本当に理解しているかを確かめる

aLLoyM が相図の法則を真に学んでいるかを検証するために、チームは選択式（複数選択）と自由応答（短答）問題で評価しました。選択式問題では四つの選択肢の中から正解を選ばねばなりません。未調整のベースモデルはほとんどランダム推測と変わらない成績でした。微調整後は、aLLoyM の正答率はすべてのタスクで、また二元素合金のような単純な系から三元素合金のような複雑な系に至るまで大幅に向上しました。モデルが選択肢から選ぶ代わりに自分でテキストを生成する難易度の高い短答設定においても、学習していない合金系に対しても正解に非常に近い相名を生成することができました。性能は、よく理解された系から外挿する場合に最も良く、中間組成域で特に挙動が複雑な混合物では低下しました──これは人間の専門家が扱いにくいと感じる領域と一致します。

今日の実験を超えた新材料の想像

訓練後、aLLoyM は放射性元素や極めて短寿命の元素を含むなど、直接実験するのが困難または不可能な金属の相図を「描く」ように求められる可能性があります。たとえば、アクチニウムとウランの混合物について融点や構造タイプを推定したり、まだ測定されていない系の三元図を提案したりしました。これらの予測の中には既知値にかなり近いものもあれば、最も安定な結晶構造を誤認するなどの誤りを含むものもありました。研究者たちはまた、"WOLF" を含むような新しい相ラベルがモデルによって生成されるのを観察し、そのような驚きをどれほど信頼できるかを、モデルの内部の確信度やサンプリング設定を変えたときの回答の変化を調べることで評価する方法を開発しました。

将来の材料にとっての意義

非専門家にとっての要点は、aLLoyM がテキストベースのAIを材料科学者のように金属の振る舞いについて推論するよう訓練できることを示している点です。それを人間よりはるかに速く行います。とはいえ、慎重な実験や詳細な物理ベースの計算の代替にはまだなり得ず、自信を持って誤った答えを出すこともあります。しかし、学習データが増え、不確実性推定やプロンプト技術が改善されれば、aLLoyM のようなモデルは研究者が実験に値する合金レシピを絞り込む手助けをし、その指針が新素材のアイデアから実世界製品への長く高価な道のりを短縮する可能性があります。これにより、よりクリーンな発電所や寿命の長い家電製品などの技術に影響を与えるでしょう。

引用: Oikawa, Y., Deffrennes, G., Shimayoshi, R. et al. aLLoyM: a large language model for alloy phase diagram prediction. npj Comput Mater 12, 97 (2026). https://doi.org/10.1038/s41524-026-01966-6

キーワード: 合金相図, 材料発見, 大規模言語モデル, 計算材料科学, 熱力学モデリング