[AI・ロボット・化学] ラボラトリーオートメーションのQ&Aなど
2023年12月に､discordサーバーを立ち上げました｡
質問が出てきたので､出てきたQ&Aなどを､備忘録として纏めていきます｡
元のやりとりを､GPT-4で加工しています｡逐次更新予定です｡
質問&回答してくれる方､研究やってくれる方なども､引き続き募集中です｡
質問: 大規模言語モデルでテキストマイニングをしたいです
この業界のトッププレイヤーであるGoogle(2023)が行ったデータマイニングの研究が参考になると思います(論文データからの材料のバンドギャップの抜き出し)｡
人間ほどの精度は出ていないので､実用水準を目指すにあたっては､相当の努力と作り込みが必要になると思われます｡
質問: 粉体の扱いにおける実験の自動化について、どのような方法がありますか？
現状では、粉体を溶液化して対応する方法が多く採用されていますが、他にも様々な方法があります。
スクリューフィーダの使用
スクリューフィーダは、粉体の自動供給に使われる商用化された方法です。
この方法の原理や製品情報は、以下のリンクで確認できます:
この方法の欠点は、装置が数百万円から数千万円と高価であることです。
サムスンなどは自作していることが示されています。
汎用ロボットアームの利用
汎用ロボットアームを使用して粉体を計量する方法がありますが、これは高度な技術が必要です。
粉体の特性（粒径や粘り気）によって、AIやロボットが扱いにくいことがあります。
以下のリンクでは、関連する研究や動画が紹介されています:
これらの方法の選択は、実験の要件や予算によって異なります。また、粉体の特性に適応したソリューションを見つけるためには、さらなる研究や開発が必要かもしれません。
質問: 分子構造から融点を予測する際、結晶多形の考慮はどの程度可能ですか？
結晶多形の存在は、融点予測において重要な要素ですが、現在の多くのアプローチでは無視される傾向にあります。以下は、このトピックに関するいくつかの視点と研究例です：
現行のプログラムやインフォマティクスのアプローチでは結晶多形はしばしば無視される
これは、実測データが少ないこと、シミュレーションが困難であることが理由です。特にディープラーニングなどの機械学習技術に適した大規模なデータベースの構築が難しいため、AI分野ではあまり注目されていないようです。
実験主導の研究が進行中
結晶多形に関する研究は、主に実験的なアプローチを用いて進められています。例えば、早稲田大学の研究では構造相転移の予測に取り組んでいます。
高分子や複合材料の分野での関連研究
畠山氏の研究では、高分子、複合材料、デバイスの構造と特性が製造プロセスによって大きく変化することを探求しています。
統計数理研究所の吉田先生の研究
吉田先生は、シミュレーションと機械学習を組み合わせた溶解度の予測に取り組んでいます。
LLM（Large Language Models）の活用
分子の一次構造に加えて結晶状態も入力することで、予測の精度向上が期待されます。ただし、性能向上には十分なデータが必要です。
結論として、結晶多形は融点予測において重要な要素ですが、現在の技術やアプローチでは完全には考慮されていません。今後の研究や技術の進歩が待たれます。