データ化学工学研究室(金子弘昌専任教授主宰)から発表された論文が、国際学術雑誌 Journal of Chemical Information and Modeling における Volume 66, Issue 12 (2026) の表紙絵を飾りました。
新材料の開発では、目的の性質を持つ分子を設計し、合成・測定を繰り返すため、多くの時間と費用がかかります。そこで人工知能（AI）に分子構造を作らせ、分子の物性・活性を事前に予測する手法が注目されています。ただし、AIは学習データに近い分子には信頼できる予測を示す一方、大きく異なる未知の分子では予測が不確かになります。逆に、未知性の高い領域には、従来にない性質を持つ分子が存在する可能性があります。本研究では、この両者のバランスが取れる「予測モデルの適用範囲の境界」に着目し、境界付近の分子を効率よく生み出す新しい生成AI手法を開発しました。生成AIの一種である敵対的生成ネットワーク（GAN）が作った分子から境界に近いものを選び、学習データ中の境界から遠い分子と入れ替えて再学習する操作を繰り返します。沸点、融点、水溶解度の三つのデータで検証した結果、従来のGANより境界付近の分子を高い割合で生成でき、構造の多様性や新規性もおおむね維持されました。また、予測の信頼性を保ちながら、比較的合成しやすい候補を増やせることも確認されました。本手法は、実験対象を絞り込み、新材料や機能性化学物質の探索を効率化する基盤技術として期待されます。
