結晶構造の欠損原子を97％の成功率で復元　オープンソースAI「XtalPaint」登場

XtalPaintは、結晶構造のデータから抜け落ちている原子の座標を高精度に特定し、復元できるオープンソースのAIモデルだ。

材料シミュレーションで熱伝導率や電気伝導率を計算するには、すべての原子の正確な位置情報が欠かせない。だが、広く使われているX線回折測定は水素のような極めて軽い元素を捉えるのが苦手で、データベース上の多くの結晶構造データでは水素の位置が空白のまま放置されてきた。その結果、有望な材料でありながらシミュレーションにかけられない化合物が何千種類も眠ることになっていた。

スイスのポール・シェラー研究所（PSI）のGiovanni Pizzi氏が率いる研究チームは、画像編集の分野で使われる「インペインティング（画像修復）」技術を結晶解析に応用し、この課題を解決するXtalPaintを開発した。

欠損部分だけにノイズを乗せる巧みな仕組み

写真の修復AIは、隠れた部分を補完する際に画像全体を描き直すのではなく、欠損箇所だけにノイズを加えて周囲の描写を手がかりに復元する。

XtalPaintもまったく同じアプローチをとる。マイクロソフトの材料生成モデル「MatterGen」をベースに改良されたこのツールは、結晶全体を乱すのではなく、原子が欠けている未知の位置だけに拡散ノイズを加える。すでに判明している強固な原子骨架をそのまま目印として利用しながら、段階的に欠損部分を埋めていく仕組みだ。

全体を作り直す必要がないため、余計な計算リソースを消費せず、既存の結晶構造とズレない安定した復元が可能になる。

97％という圧倒的な成功率

検証として、あらかじめ水素の位置が分かっている結晶データから意図的に水素座標を削除し、XtalPaintに復元させたところ、極めて高い精度が確認された。

テストの87％で元の配置を完全に再現したほか、残る10％では実験記録よりもエネルギー的に安定した優れた配置を導き出した。合計すると、実質的な成功率は97％に達する。

この手法は水素にとどまらず、次世代バッテリーのキーとなるリチウムやナトリウムといった軽元素の補完にも応用できる。さらに、論文からデータベースへ転記する際に生じた人為的な座標ミスの検出にも役立つという。研究成果は学術誌「npj Computational Materials」に掲載され、オープンソースとして公開されている。

なぜ重要か

材料科学や水素貯蔵、バッテリー開発に携わる研究者にとって、XtalPaintは手持ちのデータセットを一気に蘇らせる強力なツールになる。従来は軽元素の欠損ゆえにシミュレーションを諦めていた数千件の結晶構造を、低コストかつ自動で解析可能な状態へと引き上げられるからだ。

結晶全体をゼロから再生成するのではなく、画像インペインティングの発想を持ち込んで「既知の骨格に導かせる」設計にした点が極めて実用的だ。無駄な計算を省きつつ物理的な整合性を保つこのアプローチは、AIを現場のボトルネック解消にどう使うべきかを示す好例と言える。