AIによる自律的実験（AI/AE）が半導体材料科学のパラダイムシフトを推進する
Scott Foster
Asia Times
October 8, 2024
米国商務省は、「業界のニーズを満たし、5年以内に設計および採用が可能な、持続可能な新しい半導体材料およびプロセスの開発にAIがどのように役立つか」を示すための公開コンペティションを発表した。
商務省標準技術局のローリー・ロカシオ次官は、これを「効率的で安全かつ大量生産が可能な競争力のある半導体製造において米国を世界のリーダーとするためのユニークな機会」と呼んでいる。ロカシオ氏は、国立標準技術研究所の所長でもある。
「持続可能な半導体製造に関連する人工知能による自律的実験（AI/AE）について、大学主導で産業界に情報を提供する連携を開発する」受賞者には、CHIPS研究開発室（CHIPS R&D）から最大1億ドルが授与される。
CHIPS R&Dは、2022年8月にジョー・バイデン米大統領が署名して成立した米国CHIPSおよび科学法によって設立された。この法律により、米国商務省には米国の半導体製造および研究開発の強化と活性化を目的としたプログラムに500億ドルが提供されることとなった。
そのうち390億ドルは、米国の施設や設備への投資を目的としてCHIPSプログラムオフィスに提供され、その中には台湾のTSMCや米国のインテルが建設中の注目度の高い工場も含まれている。110億ドルは、今回のプロジェクトのようなCHIPS研究開発に割り当てられた。
「米国の半導体産業が長期的に繁栄するためには、環境と地域社会を守りながら、持続的に材料を生産し、チップを製造するための革新的で商業的に競争力のある技術を開発できなければならない」と商務省は書いている。
これは当然のことのように思える。 結局のところ、米国の半導体製造装置メーカー大手は、自社名を「アプライド マテリアルズ」と名付けている。また、半導体メーカーは毎年数十億ドルを投資して、より高度な集積回路の設計、製造工程における電力と水のより効率的な利用、産業廃棄物と温室効果ガス排出量の削減に取り組んでいる。
しかし、ジナ・ライモンド商務長官は新たな危機感を抱いている。「現在、新しい半導体材料が生産可能な状態になるまでには、しばしば何年もかかり、非常に多くの資源を必要とする。
「気候危機による脅威が増大する中で、長期的に持続可能な形でアメリカの半導体製造基盤を迅速に構築しようとするのであれば、AIを活用して持続可能な材料プロセスを迅速に開発する必要があります。」
また、ライモンド氏は使命感をにじませ、「この新たなプログラムにより、バイデン＝ハリス政権はAIの広大な能力を活用し、より安全で永続的な国内半導体産業を構築しながら、労働者とイノベーターの潜在能力を最大限に引き出す」と述べている。
半導体業界が毎年研究開発に費やす数十億ドルに比べれば、焼け石に水のような金額を誇張して主張していることを除けば、これらの発表は一体何を意味するのだろうか？（今年第2四半期だけでも、インテルの研究開発予算は42億ドルであった。）
東京工業大学の一杉太郎氏、清水亮太氏、石附直弥氏によると、その答えは、機械学習と自動化ラボを組み合わせたAI/AEが「材料科学におけるパラダイムシフトをもたらすことである。コンピュータアルゴリズムとロボットを使用して、すべての実験手順を決定し実行するこれらのシステムは、人間の介入を必要としない。」
「元素の組み合わせの可能性を考えると、新しい材料はほぼ無限にある。そのため、広大な探索空間における高次元の合成パラメータを最適化することが材料合成には必要である。ある意味で、材料の世界は、宇宙や深海のような探査のフロンティアである。」
AI/AEは、半導体業界だけでなく、エレクトロニクス、エネルギー、航空宇宙、防衛から生物学、化学、製薬まで応用科学のあらゆる分野において、材料の発見と合成のプロセスを大幅に加速させるはずである。
Nature Synthesis誌に寄稿したノースカロライナ州立大学のMilad Abolhasani氏とトロント大学のEugenia Kumacheva氏は、次のように述べている。
データサイエンスと自動化実験技術の最近の進歩により、機械学習、ラボの自動化、ロボット工学の統合により、セルフ・ドライビング・ラボ（SDL）が登場した。
SDLとは、機械学習アルゴリズムによって選択された一連の実験を反復的に実施し、ユーザーが定義した目的を達成する、機械学習支援のモジュール式実験プラットフォームである。こうしたインテリジェントなロボット支援により、研究者は化学空間を迅速に探索することで、基礎研究および応用研究のペースを加速することができる。
SDLの主な効果は、「研究の加速」であり、新しい化合物の発見や最高の性能を発揮する材料の製造ルートを特定するための新しい知識を生み出す。これは、変数の探索や組み合わせ実験を1つずつ行うよりも10～1,000倍も速い。
言い換えれば、AIとロボットは、科学的に裏付けされた試行錯誤よりもはるかに効率的に作業を行うことができる。トロント大学化学科のアラン・アスプル・グジック教授率いる研究者は次のように述べている。
我々の研究グループでは、新しい機能性材料の発見や既知の材料の最適化に要する時間と費用を10分の1に削減することを目指している。すなわち、1,000万ドルと10年の開発期間を100万ドルと1年に短縮する…この課題の解決策は、自己駆動型ラボの開発である。Aspuru-Guzikグループは、これらのラボが実験と科学的発見の速度を向上させる可能性を見出しており、それは最終的に科学のやり方を変えることになるだろう。
Aspuru-Guzikは、コンピュータサイエンスの教授であり、Googleの量子コンピューティング産業研究講座の教授も務めている。また、産官学の研究者を集め、「持続可能な未来に必要な材料や分子の発見」を加速することを目的とした、トロント大学を拠点とする戦略的イニシアティブであるAcceleration Consortiumのディレクターでもある。
これは、米国商務省の半導体材料イニシアティブのモデルとなる可能性がある。さらに、同省のAI/AEコンペティションは、ワシントンに拠点を置くシンクタンク、戦略国際問題研究所（CSIS）が2024年1月に発表した報告書「Self-Driving Labs: AI and Robotics Accelerating Materials Innovation（自動運転ラボ：AIとロボット工学が材料イノベーションを加速）」で提案したSDLグランドチャレンジと非常に類似している。
「代替材料や新素材の開発と採用は、米国が新興技術でリーダーシップを発揮する上で中心的な役割を果たす」と宣言するCSISの報告書は、「米国はSDLにおける優位性を確保するために、十分な政策上の注意と資源を割いているのだろうか」と疑問を投げかけている。
CSISによると、当時、米国のSDLへの投資額は5,000万ドル以下であり、「計画的かつ組織的な方法で行われていなかった」一方で、カナダはトロント大学の加速コンソーシアムに2億ドルを拠出していた。
この点において、米国商務省による1億ドルの助成金は、遅ればせながら意義深い前進となるだろう。5年間の期間は、半導体業界の1nmプロセス技術へのロードマップと一致している。
CSISはまた、リバプール大学、ローレンス・バークレー国立研究所、アルゴンヌ国立研究所、カーネギーメロン大学がSDLを構築していると報告し、「2020年のリバプール大学の研究者は、モバイルプラットフォームロボットアームを使用して、10の設計パラメータにわたって触媒を合成し探索し、最終的に8日間で完全に自律的に688の実験を行い、ベースラインよりも6倍優れた化学的処方を特定した」と指摘している。
ベルギーに本社を置き、半導体業界とともに、また業界のために先進的な研究開発を行っているimec（Inter-university Microelectronics Centre）は、AIを活用して新材料の特定に取り組んでいる。例えば、imecに所属する科学者たちは次のように書いている。
半導体デバイスの寸法は縮小し、複雑性は増大しており、製造はより困難になっている。特に、許容される蒸着温度は低くなっている。アニーリング工程を必要としないアモルファス材料は、このため、より興味深いものとなっている。
しかし、アモルファス材料の第一原理モデリングは、結晶材料のモデリングよりもはるかに複雑である。特に新材料のスクリーニングには、完全なab initioアプローチは費用がかかりすぎる。この課題に私たちは、高スループットの第一原理計算と人工知能（AI）の組み合わせを採用することで取り組んでいる。
ジョンズ・ホプキンス大学応用物理学研究所（APL）では、ディープシー探査、宇宙探査、極超音速機、その他国家安全保障に関連する用途で特徴的な極限環境に耐えることのできる新素材の発見を加速するためにAIを活用している。
APLの極限環境および多機能材料科学プログラムマネージャーであるモーガン・トレクラー氏は次のように述べている。
米国は差し迫った国家安全保障上の課題に直面しており、過酷な環境下での活動が増えている。そして、そうした活動には画期的な新素材が必要だ。そうしたニーズを満たす素材の発見に何十年も待つわけにはいかない。発見プロセス全体にAIアプローチを導入することで、複雑かつ特殊な用途に適した素材をより迅速かつ意図的に特定することができる。
APLの研究・探索開発部門のチーフ・サイエンティストであるキース・カルーソ氏は、「既存の材料を改良するアプローチでは、限られた改善しか得られない。画期的な材料を生み出すには、根本的な飛躍が必要だ」と付け加えている。
日本では、理化学研究所が創薬やゲノム医療にAIや高性能コンピューティングを応用している。
神戸大学と提携する日本の分析機器メーカー、島津製作所は、遺伝子を改変した「スマートセル」を含む新材料、医薬品、バイオテクノロジーの開発に向けた未来の研究所のビジョンとして、「ロボットとAIによる自律的な科学的発見のプラットフォーム」を目指している。
Science China Pressは、「大規模言語モデルの成功を受け、材料設計のためのディープラーニング計算モデルとしての大規模材料モデルの概念が大きな関心を集めている」と報じている。
清華大学の研究者は、「周期表のほとんどの元素における多様な物質構造を処理できる」モデルの開発を目指している。
ほぼ1年前、チャイナ・デイリーは、中国の科学者たちが開発したAI駆動のロボット化学者が火星の隕石から酸素を生成する触媒を合成したと報じた。
「火星の温度条件を模したマイナス37℃でのストレス試験では、触媒は明らかな劣化なしに安定して酸素を生成することが示され、火星の過酷な環境下でも機能することが示唆された」
中国が半導体やその他の産業向けにAI主導の自律的な材料開発を行っていることは明らかではないが、その可能性を無視しているとは思えない。
