北陆先端科学技术大学院大学共创智能研究领域的Dam Hieu Chi教授等人组成的合作研究团队宣布，通过采用注意力机制的深度学习，开发了一种新的材料信息学方法。研究表明，以分子材料和晶体材料等为对象应用该方法，能够对多种物性进行高精度的物性值预测，并且同时能够对结构物性进行明确解释。该成果已在2023年12月7日刊登在科学杂志《npj Computational Materials》上。
图1.利用注意力机制，从材料的结构信息中预测物性值并对结构内各部分的关注度进行定量评估的方法。（a）以苯酚（C₆H₅OH）的分子结构为例，将整体结构分割为各个部分，并对各部分彼此之间的信息进行递归性分析。（b）根据分析结果，以一致且连贯的方式进行数据学习。通过该方法，可以高精度地预测材料的物性值，还能够自动推导出其表现的原因。（供图：北陆先端科学技术大学院大学）
研究团队此次将分子结构和晶体结构等的整体结构合理地按部分分割，并利用了采用注意力机制的深度学习模型，开发出了一种能够在预测分子和晶体等的物性值时，定量评价各部分结构关注度的方法。注意力机制是深度学习领域的一种先进的技术，其特点在于自动关注数据中的重要信息。
在该方法中，整体结构中的各部分结构将对彼此之间的信息进行递归性调查，并且以一致且一贯的方式学习数据。因此，不仅能够非常高精度地预测材料的物性值，还可以揭示这些物性的表达原因。
另外，通过定量显示对物质结构中各部分的关注度，可以直观地理解物性与结构之间的复杂关系，这不仅使降低计算成本和深化对新材料的理解成为可能，还加速了材料开发的进程。
注意力机制在材料科学领域的应用，与使用了自然语言处理和图像处理中（类似用于文本生成的OpenAI的GPT系列和DALL-E等）运用的自注意力机制的近期生成模型密切相关。据悉，该机制可以自动捕捉数据内在的关系和模式等，并利用它们特别高效地生成新数据。
Dam教授表示：“这项研究真正的创新性，不仅局限于降低计算时间和成本，更在于为研究人员提供了关于材料的深刻洞察和新发现的线索。它提出了一种通过人类和AI的共同创造，开启知识共创新时代的突破性方法。该方法将加速科学界与产业界新材料发现与开发的进程，同时也可能深刻改变未来科学研究的方式。”
原文：《科学新闻》
翻译：JST客观日本编辑部
【论文信息】
杂志：npj Computational Materials
论文：Towards understanding structure-property relations in materials with interpretable deep learning
DOI：10.1038/s41524-023-01163-9
