東京大学 大学院工学系研究科マテリアル工学専攻の奥田 伊武来 大学院生、同高原 泉 大学院生、 #東大生研 の溝口 照康 教授の研究グループは、狙った性質をもつ新材料をAIで設計する「逆設計」において、AIが結晶構造と原子まわりの電子状態（電荷と状態密度）を同時に生成する新手法を開発しました。性質を指定すると生成される構造の安定性や多様性が低下する従来の課題を改善し、検証した条件の中で最も厳しい条件では、目的の性質を持つ新物質が得られる割合を従来の約4倍に向上させました。各原子がどれだけ電子を保有しているかを示す「Bader 電荷」と、そのエネルギー分布を示す「原子分解電子状態密度」を、結晶構造と同時に生成する枠組みを開発しました。検証した条件の中で最も厳しいバンドギャップと生成エネルギーを同時に条件として課す設定で、成功率は既存モデルの0.9%から3.5%へ向上し、新規性・熱力学的安定性・化学的妥当性も同時に改善しました。電子状態の情報をわざと壊した対照実験では性能が向上せず、性能の向上をもたらしているのは変数の数ではなく電子状態の物理的な中身であることを実証しました。生成された結晶構造には電子状態の情報が最初から付随するため、第一原理計算を行う前の段階で有望な候補を絞り込めます。半導体、触媒、蓄電池など電子の状態が性能を左右する材料の探索を加速するほか、「物理的に意味のある量を生成過程に組み込む」という設計思想は、半導体や電池、触媒など様々な材料へも展開できます。