オムロンサイニックエックス、ICLR 2025で最先端研究成果を発表！

オムロンサイニックエックス、第一線の国際会議で研究成果を発表

オムロンサイニックエックス株式会社（OSX）が、2025年4月24日から28日までシンガポールで開催される「The Thirteenth International Conference on Learning Representations（ICLR 2025）」で、最新の研究結果を発表します。これは、機械学習分野において特に権威のある国際会議で、特にディープラーニングや表現学習に焦点を当てた研究が集まります。OSXは、この場で二つの重要な研究論文を発表し、その成果を広く提示する予定です。

発表される研究成果

1. SE(3)不変な結晶構造モデリングにおけるフレームの役割の再考

著者: Yusei Ito（OSXインターン、大阪大学）、Tatsunori Taniai（OSX）、Ryo Igarashi（OSX）、Yoshitaka Ushiku（OSX）、Kanta Ono（大阪大学）

この研究は、結晶構造から材料の物性を予測するための新しいアプローチを提案しています。特に、近年注目されている超伝導体や高性能バッテリー材料などの次世代材料の開発において、AI技術を利用した効率化が期待されています。この研究では、「CrystalFramer」と呼ばれるトランスフォーマー型ニューラルネットワークを開発し、従来の手法に比べて結晶構造の三次元的な情報を高精度で捉えられることを示しました。新たに導入した「ダイナミックフレーム」という概念が、この成功に寄与しています。

2. エピグラフ形式を用いた、ロバスト制約付きマルコフ決定過程の準最適方策同定

著者: Toshinori Kitamura（OSXインターン、東京大学）、Tadashi Kozuno（OSX）、Wataru Kumagai（OSX）、Kenta Hoshino（京都大学）、Yohei Hosoe（京都大学）、Kazumi Kasaura（OSX）、Masashi Hamaya（OSX）、Paavo Parmas（東京大学）、Yutaka Matsuo（東京大学）

強化学習の実用化においては、学習データと実際の製品との間のギャップに対応する頑健性と、安全性の理論的裏付けが求められますが、これらを同時に満たすアルゴリズムは従来存在していませんでした。この研究では、エピグラフ形式を利用した強化学習手法を提案し、この二つの要求を理論的に満たすことができる方策を出力できることを示しました。

ワークショップでの発表

さらに、ICLR 2025では、併催されるワークショップ「AI for Accelerated Materials Discovery(AI4Mat) Workshop」にて、以下の研究発表も行います。

結晶構造と言語モデルの対照学習の性能向上を目指す、トランスフォーマーのニューラル知識グラフ利用

著者: Yuki Nishihori（大阪大学）、Yusei Ito（大阪大学）、Yuta Suzuki（トヨタ）、Ryo Igarashi（OSX）、Yoshitaka Ushiku（OSX）、Kanta Ono（大阪大学）

この研究では、結晶構造と自然言語を結びつけるモデルの課題を乗り越えるために、ニューラル知識グラフ（NKG）を提案しています。NKGを用いることで、関連する知識を取り込むことができ、結晶構造の検索性能が向上することが確認されました。