【本学研究者情報】

〇材料科学高等研究所　教授　Hao Li
研究室ウェブサイト

【発表のポイント】

• 水素貯蔵材料、AI、計算科学、自動化実験を専門とする世界69名の研究者が、「信頼できるデータ」、「物理法則を組み込んだモデル」、「AIによる材料設計」、「自動化実験」を一体化する研究基盤を提案しました。
• 高性能なAI手法が増える一方、研究を妨げている本質的な課題は、データの分断や測定条件・不確かさの記録不足、物理法則との不整合、予測と実験の弱い連携にあることを示しました。
• 予測、合成、測定、モデル更新を繰り返す「閉ループ型材料探索」^（注1）と、計算上の材料と実物を同期させる「デジタルツイン」^（注2）により、試行錯誤から継続的に学ぶ材料開発へ移行するロードマップを提示しました。

【概要】

水素は、再生可能エネルギーを貯蔵し、燃料電池などで利用するための重要なエネルギー媒体です。しかし、常温の水素ガスは密度が低く、安全かつコンパクトに貯蔵することが難しいため、水素を内部に取り込める固体材料の開発が進められています。AIは膨大な候補を素早く調べられる一方、分断されたデータだけを学習すると、実際には作れない材料や、必要な温度・圧力で動作しない材料を有望と判断するおそれがあります。

東北大学を中心とした国際研究チームは、世界69名の専門家による検討をもとに、水素貯蔵材料のAI研究を「信頼できるデータ」「物理法則を組み込んだモデル」「AIによる材料設計」「自動化実験」の循環として結び直す枠組みを提案しました。重要なのは、AIの予測後に物理的な妥当性を確認するだけでなく、熱力学、反応の速さ、予測の不確かさ、データの出典、実験結果を最初から各段階に組み込むことです。本成果は、新材料そのものの発見ではなく、材料探索を再現可能で継続的に学習する研究へ変えるための指針を示した展望論文であり、2026年8月14日（現地時間）に米国化学会の学術誌ACS Energy Lettersにオンライン掲載されました。

図1. 本論文が提案する水素貯蔵材料探索の全体像。データベース、物理法則を組み込んだモデル、AIによる候補設計、自動化実験、デジタルツインを循環させ、予測と実験を相互に更新します。

【用語解説】

注1. 閉ループ型材料探索：AIによる予測、材料の合成、測定、モデル更新を一つの循環として繰り返す研究方法。各回の実験結果を次の候補選びに利用するため、限られた実験回数でも効率よく探索できる。

注2. デジタルツイン：実際の材料や装置の状態を反映して、計算上のモデルを継続的に更新する仕組み。予測と実測の差をもとにモデルを修正し、材料の性能変化や劣化を早く捉えることを目指す。

【論文情報】

タイトル：Building a Physics-Aware AI Ecosystem for Solid-State Hydrogen Storage Materials
著者：Seong-Hoon Jang, Yiwen Yao, Chuanyu Liu, Linda Zhang*, Di Zhang, Xue Jia, Hung Ba Tran, Eric Jianfeng Cheng, Ryuhei Sato, Yusuke Ohashi, Toyoto Sato, Yusuke Hashimoto, Mark D. Allendorf, Nongnuch Artrith, Marcello Baricco, Andreas Borgschulte, Darren P. Broom, Ang Cao, Benjamin Wei Jie Chen, Lixin Chen, Ping Chen, Eun Seon Cho, Stefano Deledda, Zhao Ding, Martin Dornheim, Michael Felderhoff, Yaroslav Filinchuk, George E. Froudakis, Mingxia Gao, Thomas Gennett, Zaiping Guo, Ikutaro Hamada, Jason Hattrick-Simpers, Bjørn C. Hauback, Michael Hirscher, Torben R. Jensen, Baohua Jia, Hyoung Seop Kim, Takahiro Kondo, Kentaro Kutsukake, Xiao-Yan Li, Tongliang Liu, Piao Ma, Jianfeng Mao, Rana Mohtadi, Hyunchul Oh, Mark Paskevicius, Chris J. Pickard, Astrid Pundt, Anibal J. Ramirez-Cuesta, Hiroyuki Saitoh, Kaihang Shi, Aloysius Soon, Chenghua Sun, Chris Wolverton, Hiroshi Yabu, Weijie Yang, Zhenpeng Yao, Xuebin Yu, Jianxin Zou, Shouyi Hu, Panpan Zhou, Xi Lin, Zhigang Hu, Zhenhao Zhou, Pengfei Ou*, Jiayu Peng*, Shin-ichi Orimo*, and Hao Li*
*責任著者：Linda Zhang（東北大学材料科学高等研究所／学際科学フロンティア研究所 助教）、Pengfei Ou（シンガポール国立大学 助教）、Jiayu Peng（ニューヨーク州立大学バッファロー校 助教）、折茂慎一（東北大学材料科学高等研究所 所長／金属材料研究所 教授）、Hao Li（東北大学材料科学高等研究所 教授）
掲載誌：ACS Energy Letters
DOI：10.1021/acsenergylett.6c01856

詳細（プレスリリース本文）

問い合わせ先

（研究に関すること）
東北大学未踏スケールデータアナリティクスセンター
准教授　Seong-Hoon Jang
TEL: 022-795-3407
Email: jang.seonghoon.b4@tohoku.ac.jp（*を@に置き換えてください）

東北大学材料科学高等研究所（WPI-AIMR）
教授　Hao Li
TEL: 022-217-5922
Email: li.hao.b8@tohoku.ac.jp（*を@に置き換えてください）

（報道に関すること）
東北大学材料科学高等研究所（WPI-AIMR）
広報戦略室
TEL: 022-217-6146
Email: aimr-outreach@grp.tohoku.ac.jp（*を@に置き換えてください）