最新の論文記事を読みやすく整理。保存・タグ検索に加え、Plus/Proでは研究ノートと知識グラフで理解を積み上げられます。
Cog AI Archive
MEIDNetは、結晶構造、電子状態（バンドギャップ）、熱力学的性質（生成エンタルピー）の3つの異なるモダリティを統合して学習する、マルチモーダルな材料逆設計フレームワークである。等変グラフニューラルネットワーク（EGNN）と対照学習を組み合わせることで、従来の学習手法よりも約60倍高い効率を実現し、潜在空間において0.96という極めて高い類似度での整列を達成した。このモデルを用いて低バンドギャップのペロブスカイト構造を生成した結果、既存のデータベースにない安定かつ新規な材料を13.6%という高い成功率（SUN率）で発見することに成功し、YbScSe₃やKTaSe₃といった有望な新物質を特定した。
次世代通信（5G/6G）に不可欠なメタサーフェス設計において、従来のAI代理モデルは学習データが不足する領域で「偽の最適解」を提示する課題がありましたが、本研究は予測が物理法則（電磁場の連続性）にどれだけ違反しているかを不確実性の指標とする「物理法則に基づく不確実性（PHY-UNC）」を提案しました。
熱パイプ式マイクロリアクターでは、発電コストだけを下げようとすると、出力偏りや停止余裕のような安全・運用側の指標との衝突が起きやすいです。 / 本研究は、LCOEとロッド積分ピーキング係数を同時に最適化する多目的設計問題として捉え、PEARLを用いて複数のコスト前提ごとのPareto解を比較しています。 / 反射体コスト、制御ドラム依存、TRISO燃料、燃焼度の扱いが設計戦略を大きく左右し、安価な設計を探すだけでなく「どの安全余裕をどこまで買うか」を明示的に決める必要があると分かります。