ニュース紹介
「言語モデルを用いた材料物性の予測を軽量化」
東北大学 金属材料研究所の熊谷悠教授と、東京科学大学、横浜市立大学の研究グループは、大規模言語モデル(LLM)を再学習せずに材料の物性を予測する軽量な機械学習手法「ZEBRA-Prop」を開発しました。材料の構造や組成を自然言語の文章で表し、専門的な数値指標を設計せずに予測します。後段の小規模なニューラルネットワークのみを学習する方式です。
約2,200件のデータでの比較で、学習時間は従来のLLM手法より約95%短縮し、精度は従来のLLM手法に近い水準を維持しました。材料情報を複数の短い文章に分け、重みを学習しながら統合することで、LLMが一度に読める文章量の制限を緩和しています。約2,200件のデータなら、高性能GPUを使わず一般的なPCで数十分程度で学習できます。成果は『Advanced Intelligent Systems』に掲載されました。
出典:東北大学 金属材料研究所 2026年11月11日 プレスリリース/掲載誌:Advanced Intelligent Systems/DOI:10.1002/aisy.70592
https://www.tohoku.ac.jp/japanese/2026/11/press20261111-04-ZEBRA.html



