(AI behind deepfakes may power materials design innovations, scientists say)
2021-11-08 ｱﾒﾘｶ合衆国･ペンシルベニア州立大学(PennState)
・ PennState が、人間の顔等のリアリスティックな画像をねつ造するディープフェイク技術を利用した、高性能合金材料設計技術を開発。
・ AI のディープラーニングによる一手法である敵対的生成ネットワーク(generative adversarial network: GAN)のトレーニングを通じ、タービンブレードやロケット等の技術で使用できる高耐火性の新しいハイエントロピー合金を創出する。
・ GAN では、ジェネレーター（生成）とクリティック（識別）の 2 つのニューラルネットワークが画像や合金を生成するルールの学習で互いに競い合い、それらのルールに沿ったサンプルを生成する。
・ これまでに報告されている数千種類の合金の実例を綿密に調査し、トレーニングデータセットを作成。ジェネレーターが新しい合金材料を生成すると、クリティックがトレーニングデータセットと比較してその現実性を判別する。
・ このような競合プロセスを繰り返し実行することで、モデルが向上する。トレーニング終了後、タービンブレードに最適な特性を備えた合金組成の作成にモデルを集中させる。
・ 予備結果では、同モデルが複雑な関係性を学習してオンデマンドで新材料を創出できることを確認。材料の化学組成と製造プロセスは複雑化しているため、直感に頼りながらパターンを特定して材料を向上させる従来の合理的設計は困難となっている。
・ GAN を利用する新技術は、合金材料の逆設計に向けた進展を示すもの。特定の特性を備えた材料を指定し、最適とされる 100～1,000 種類の化学組成を数ミリ秒の間に獲得することが可能となる。
・ モデルによる予測にはシミュレーションでの検証が必要だが、従前の試行錯誤を不要にし、試すべき材料を特定するための有望な新ツールを提供する。
・ 本研究には、米国エネルギー省(DOE)のエネルギー高等研究計画局(ARPA-E)が資金を提供した。
URL: https://www.psu.edu/news/research/story/ai-behind-deepfakes-may-power-materials-design-innovations-scientists-say/
＜NEDO海外技術情報より＞
（関連情報)
Journal of Materials Informatics 掲載論文(フルテキスト）
Generative deep learning as a tool for inverse design of high entropy refractory alloys
URL: https://jmijournal.com/article/view/4294
Abstract
Generative deep learning is powering a wave of new innovations in materials design. This article discusses the basic operating principles of these methods and their advantages over rational design through the lens of a case study on refractory high-entropy alloys for ultra-high-temperature applications. We present our computational infrastructure and workflow for the inverse design of new alloys powered by these methods. Our preliminary results show that generative models can learn complex relationships to generate novelty on demand, making them a valuable tool for materials informatics.
