第1章：アメリカのMIプロジェクト

アメリカは、2011年のMaterials Genome Initiative（マテリアルズ・ゲノム・イニシアチブ）の立ち上げ以来、マテリアルズ・インフォマティクス（MI）の発展を最前線で牽引してきました。本章では、世界のMIの状況を形作ってきた、政府による主要な資金提供プログラム、国立研究所の取り組み、産学連携について包括的に概観します。

1.1 Materials Genome Initiative（MGI）

Materials Genome Initiative（MGI）は、2011年6月にホワイトハウス科学技術政策局（OSTP）が立ち上げた複数省庁横断のイニシアチブです。これは、材料の発見と実装を加速するための、政府主導としては最も包括的な取り組みを代表するものです。

1.1.1 イニシアチブの概要

1.1.2 参加省庁

MGIは、複数の連邦省庁にまたがる取り組みを調整しています。

• 国立科学財団（NSF）：基礎研究と教育
• エネルギー省（DOE）：エネルギー材料と計算資源
• 国立標準技術研究所（NIST）：標準化とデータ基盤
• 国防高等研究計画局（DARPA）：ハイリスク・ハイリターンのプロジェクト
• 国防総省（DoD）：防衛関連材料
• アメリカ航空宇宙局（NASA）：航空宇宙材料
• 国立衛生研究所（NIH）：バイオマテリアル

1.1.3 主要な成果物と基盤

1.1.4 MGIの戦略的枠組み

1.2 DMREF（NSF）

Designing Materials to Revolutionize and Engineer our Future（DMREF）プログラムは、Materials Genome Initiativeに対するNSFの中心的な貢献であり、理論・計算・実験を統合する基礎研究に焦点を当てています。

1.2.1 プログラムの概要

1.2.2 プログラムの目標

DMREFは、以下のような研究を支援します。

• 材料設計のための新しい理論的・計算的アプローチを開発する
• 計算・合成・キャラクタリゼーションの間にフィードバックループを構築する
• 広く応用できる材料設計原理を確立する
• 統合的アプローチを身につけた次世代の材料研究者を育成する

1.2.3 研究の重点領域

1.2.4 代表的なDMREF採択プロジェクト（2015〜2024年）

以下の表は、材料発見に対するプログラムの計算・実験統合的アプローチを体現する、代表的なDMREF採択プロジェクトを示しています。

1.3 ARPA-Eプログラム

Advanced Research Projects Agency-Energy（ARPA-E）は、ハイリスク・ハイリターンのエネルギー技術プロジェクトに資金を提供しており、その中にはMIアプローチを活用した材料に焦点を当てたプログラムがいくつか含まれています。

1.3.1 機関の概要

1.3.2 材料に焦点を当てたプログラム

HESTIA（High-Energy Storage Through Advanced Materials）

• 予算：3,900万ドル
• 重点：次世代の熱エネルギー貯蔵材料
• MI要素：相変化材料の計算スクリーニング

MAGNITO（Magnetic Materials for Grid Technologies）

• 重点：系統規模の応用に向けた先進磁性材料
• MI要素：希土類フリー磁石発見のための機械学習

ULTIMATE（Ultra-Lightweight Technologies for Innovative Materials and Advanced Transportation Efficiency）

• 重点：輸送機器向けの軽量構造材料
• MI要素：合金のハイスループット計算スクリーニング

1.3.3 インパクト指標

1.3.4 ARPA-E DIFFERENTIATEプログラムのプロジェクト（2019〜2024年）

DIFFERENTIATE（Design Intelligence Fostering Formidable Energy Reduction Through Integrated AI and Experimentation）プログラムは、エネルギー材料発見のためのAI/MLアプローチに特化して資金を提供しています。

1.4 Materials Project（LBNL）

Materials Projectは、材料科学において最も影響力のあるオープンアクセスデータベースの一つであり、ローレンス・バークレー国立研究所（LBNL）でホストされています。密度汎関数理論（DFT）計算を用いて算出された材料物性を提供しています。

1.4.1 データベースの概要

1.4.2 利用可能なデータと物性

Materials Projectは、以下の算出物性を提供しています。

• 熱力学的物性：生成エネルギー、安定性（energy above hull）、分解生成物
• 電子的物性：バンドギャップ、バンド構造、状態密度
• 力学的物性：弾性定数、体積弾性率、剛性率
• 磁気的物性：磁気秩序、磁気モーメント
• 構造的物性：結晶構造、空間群、格子定数
• フォノン物性：フォノンバンド構造、熱物性

1.4.3 APIとツール

# 必要環境:
# - Python 3.9+
# - mp-api>=0.30.0

"""
例: 電池材料についてMaterials Projectを検索する

目的: Materials Project APIの使い方を示す
対象: 中級
実行時間: 10〜30秒
依存関係: mp-api
"""

from mp_api.client import MPRester

# 自分のAPIキーで初期化する（materialsproject.orgで取得）
with MPRester("YOUR_API_KEY") as mpr:
    # バンドギャップが2 eVより大きいリチウム含有酸化物を検索
    results = mpr.summary.search(
        elements=["Li", "O"],
        band_gap=(2, None),  # バンドギャップが2 eVより大きい
        fields=["material_id", "formula_pretty", "band_gap", "energy_above_hull"]
    )

    print(f"Found {len(results)} materials")

    # 上位5件の結果を表示
    for doc in results[:5]:
        print(f"ID: {doc.material_id}")
        print(f"  Formula: {doc.formula_pretty}")
        print(f"  Band Gap: {doc.band_gap:.2f} eV")
        print(f"  Energy Above Hull: {doc.energy_above_hull:.4f} eV/atom")
        print()

# 出力例:
# Found 2847 materials
# ID: mp-1234
#   Formula: Li2O
#   Band Gap: 5.02 eV
#   Energy Above Hull: 0.0000 eV/atom

1.4.4 分野への影響

• 引用インパクト：原著論文は10,000回以上引用
• 発見事例：新規電池正極材料、熱電材料、光触媒の発見に利用
• 産業界での採用：トヨタ、サムスン、BASFなど主要企業で利用
• 教育での利用：世界中の大学のカリキュラムに組み込まれている

1.5 MICCoM（DOE）

Midwest Integrated Center for Computational Materials（MICCoM）は、材料発見のための計算手法の開発と応用に焦点を当てた、DOE出資のセンターです。

1.5.1 センターの概要

1.5.2 研究の重点領域

• 太陽エネルギー材料：ペロブスカイト、有機太陽電池、タンデムセル
• 電池材料：固体電解質、高容量正極
• 熱電材料：排熱回収のための高効率熱電材料
• 手法開発：DFTを超える手法、機械学習ポテンシャル

1.5.3 計算能力

MICCoMは、以下を含むDOEのスーパーコンピューティング資源を活用しています。

• Aurora：アルゴンヌのエクサスケールスーパーコンピュータ（2エクサフロップス以上）
• Polaris：AI/MLワークロード向けのGPU加速システム
• ALCF：アルゴンヌ・リーダーシップ・コンピューティング・ファシリティの資源

1.6 ORNL自律化学実験室

オークリッジ国立研究所（ORNL）は、AI駆動の計画立案とロボットによる合成を組み合わせ、材料発見を加速する自律化学実験室（Autonomous Chemistry Laboratory）を運用しています。

1.6.1 施設の概要

1.6.2 主要な機能

• ロボット合成：材料の調製と処理の自動化
• AI計画立案：実験設計のための機械学習アルゴリズム
• リアルタイムキャラクタリゼーション：合成結果のその場（in-situ）モニタリング
• 閉ループ最適化：実験フィードバックに基づく反復的な洗練

1.6.3 主な成果

1.7 NIST材料データ基盤

国立標準技術研究所（NIST）は、材料データのための標準、参照データ、基盤を整備することで、MGIにおいて重要な役割を果たしています。

1.7.1 NISTのMGIにおける役割

1.7.2 主要な基盤プロジェクト

Materials Resource Registry（MRR）

• 材料データ資源のカタログ
• データ発見のための標準化されたメタデータ
• 分散データリポジトリへのリンク

CALPHADデータベース

• 相図計算のための熱力学データ
• 批判的に評価された実験データ
• 計算ツール（Thermo-Calc、PANDAT）との統合

Materials Data Curation System（MDCS）

• 標準化されたデータ入力と検証のためのツール
• 材料データのためのXMLスキーマ
• FAIRデータ原則のサポート

1.8 アメリカのMIプロジェクトの比較

以下の表は、アメリカの主要なマテリアルズ・インフォマティクスの取り組みを包括的に比較したものです。

1.9 アメリカのMI発展の年表

以下の図は、アメリカにおけるマテリアルズ・インフォマティクスの時系列的な発展を示しています。

1.10 章のまとめ

アメリカは、連携した政府の取り組み、国立研究所のプログラム、学術研究を通じて、マテリアルズ・インフォマティクスのための包括的なエコシステムを構築してきました。主な要点は以下のとおりです。

実践的な推奨事項

• 研究者向け：データ駆動型研究のために、Materials ProjectやDMREFの資金提供機会を活用する
• 産業界向け：ハイリスクな技術開発のために、ARPA-Eのプログラムに参画する
• 学生向け：MGIの目標に沿うよう、計算と実験の両方のスキルを身につける
• 国際共同研究者向け：確立された交流プログラムを通じて、アメリカの機関と連携する

演習問題

from mp_api.client import MPRester

with MPRester("YOUR_API_KEY") as mpr:
    results = mpr.summary.search(
        elements=["Fe", "O"],
        band_gap=(1.5, 3.0),
        energy_above_hull=(0, 0.001),  # 実質的に安定
        fields=["material_id", "formula_pretty", "band_gap"]
    )

    print(f"Found {len(results)} stable Fe-O compounds with band gap 1.5-3.0 eV")
    for doc in results[:10]:
        print(f"  {doc.formula_pretty}: {doc.band_gap:.2f} eV")

# 典型的な結果: データベースのバージョンによって約50〜100材料

参考文献

1. National Science and Technology Council. (2021). Materials Genome Initiative Strategic Plan 2021. White House Office of Science and Technology Policy.
2. Jain, A., Ong, S. P., Hautier, G., Chen, W., Richards, W. D., Dacek, S., Cholia, S., Gunter, D., Skinner, D., Ceder, G., Persson, K. A. (2013). Commentary: The Materials Project: A materials genome approach to accelerating materials innovation. APL Materials, 1(1), 011002.
3. National Science Foundation. (2024). DMREF: Designing Materials to Revolutionize and Engineer our Future. NSF Program Solicitation 24-529.
4. ARPA-E. (2024). ARPA-E Impact Report 2024. U.S. Department of Energy.
5. Curtarolo, S., Hart, G. L., Nardelli, M. B., Mingo, N., Sanvito, S., Levy, O. (2013). The high-throughput highway to computational materials design. Nature Materials, 12(3), 191-201.
6. de Pablo, J. J., Jackson, N. E., Webb, M. A., Chen, L. Q., Moore, J. E., Morgan, D., Jacobs, R., Pollock, T., Schlom, D. G., Toberer, E. S., Analytis, J., Dabo, I., DeLongchamp, D. M., Fiez, G. A., Grason, G. M., Hautier, G., Mo, Y., Rajan, K., Reed, E. J., ... Ward, L. (2019). New frontiers for the materials genome initiative. npj Computational Materials, 5(1), 41.