ブログ

AIにすべての組み合わせを探索させると何が起きるのか。ニュースレター「The Data Drop」の今号で解説します。

すべての組み合わせを探索する――。

50種類の異なる分量の材料から、最高のケーキのレシピを見つけようとすることを想像してみてください。すべての組み合わせを手作業でテストしていたら、一生かかっても足りません。そのため、代わりにパターンを利用します。何がうまく組み合わさり、何が失敗するのかという、探索を絞り込むためのルールです。

それが「組合せ最適化（Combinatorial optimization）」です。膨大な数の選択肢の中から、最適なオプションを見つけ出す技術を指します。

AIがロボットを誘導して新材料を開発する「A-Lab」の内部。（写真提供：Marilyn Sargent/Berkeley Lab）

Google DeepMind（グーグル・ディープマインド）の「GNoME」は、まさにこの手法を材料科学に適用しました。数百万もの組み合わせをスクリーニングし、220万の安定した結晶構造を予測したのです。これは、材料科学における800年分の知見に匹敵する内容が、計算によって生成されたことを意味します。

同じ原理を、ルート最適化、レコメンデーションエンジン、サプライチェーン計画など、さまざまな領域に応用できます。

予測から証明へ

これは単なる理論にとどまりません。外部の研究者たちが、実際の研究所ですでに、GNoMEが予測した736種類以上の材料を検証しています。その発見の中には、グラフェンに類似した52,000種類の新しい2D材料の可能性や、これまでに知られていた数の25倍にのぼるリチウムイオン伝導体が含まれており、これらはバッテリー技術を一新する可能性を秘めています。

おすすめの1冊：マーク・ミオドヴニク著『Stuff Matters』（邦題：世界をつくった10の基礎物質）

ミオドヴニクは、カミソリに使われている鋼鉄、窓のガラス、足元のコンクリートなど、日常生活の中にあるあらゆる材料を分解し、それぞれの背後にある科学を解説しています。

本書をおすすめする理由は、ありふれたものを違った視点で見られるようにしてくれるからです。AIが数百万もの新しい材料を発見するという話を読んだ後に、私たちがすでに手にしている身近な材料からいかに多くのことを学べるかを、改めて気づかせてくれる素晴らしい一冊です。

KNIMEによる組合せ最適化・データ活用の自動化に関するお問い合わせ

KNIMEの特徴である「視覚的なワークフロー（ビジュアルプログラミング）」は、ルート最適化や在庫計画、マーケティングのターゲット選定といった、膨大な組み合わせから最適な選択肢を導き出す「組合せ最適化」の処理プロセスをノーコードで柔軟に構築できます。複雑なシミュレーションや予測モデルの社内展開、業務自動化による意思決定の迅速化についてのご相談、デモンストレーションのご要望など、お気軽にお問い合わせください。