論文1本で学ぶ材料AI
LaCoO₃スピン状態予測から学ぶ機械学習の作法
本書は、材料科学の論文を1本だけ読み切ることで、機械学習（ML）の実践的な使い方を身につけるための教材である。
1 この教材の対象
理工系の学部2〜3年生を想定している。以下の前提知識があれば十分である。
- Python: 変数・ループ・関数の基本が分かる（pandas は本書で初めて触れてもよい）
- 高校化学: 周期表、イオン、酸化数の概念を知っている
- 物理・数学: 最小二乗法の考え方を知っていると望ましいが、必須ではない
2 題材となる論文
本書で扱う論文は以下の1本である。
Asakura, T., Hagiya, A., Kataoka, T., Komatsu, K., & Sato, K. (2025). Design and characterization of LaCo\(_{1-x}\)Y\(_x\)O\(_3\) by machine learning. Journal of Magnetism and Magnetic Materials, 635, 173593. (Asakura ほか 2025)
この論文は、ペロブスカイト型コバルト酸化物 LaCoO\(_3\) のスピン状態転移を、ガウス過程回帰（GPR）で予測し、不確かさ付きの候補探索から実験検証まで一貫して行った研究である。CC BY ライセンスで公開されている。
読者への注意: 本書は論文の図表を直接転載していない。論文の PDF を手元に置き、「Fig. X を見よ」という指示に従って参照しながら読み進めてほしい。
3 この教材の構成
全6章で構成され、各章が論文の異なる側面に対応している。
| 章 | テーマ | 身につくこと |
|---|---|---|
| 第1章 | 論文を研究設計図として読む | 論文の骨格を分解する読み方 |
| 第2章 | 特徴量辞書を読む | pandas でデータを選別する技術 |
| 第3章 | 組成式から特徴量表を作る | 材料式を ML 入力に変換する方法 |
| 第4章 | 単純モデルと評価 | 交差検証とデータリーク回避 |
| 第5章 | GPR と不確かさ | 予測値だけでなく信頼度で判断する力 |
| 第6章 | 論文へ戻る：統合 | ML→実験→物理を一貫して語る力 |
4 この教材の使い方
各章には以下の要素が含まれている。
小課題
章の途中に配置された演習問題。手を動かして考えることで理解が深まる。
解答例
小課題に対する模範解答。クリックすると展開される。まず自分で考えてから開くことを強く推奨する。
コードブロックは折りたたまれた状態で表示される。「Code」をクリックすると展開される。すべてのコードは Python 3 で書かれており、以下のパッケージを使用する。
pandas,numpy: データ処理matplotlib: 可視化scikit-learn: 機械学習openpyxl: Excel 読み込み
5 AI の利用について
この論文の著者自身が、研究の過程で ChatGPT と Claude を使用したことを論文中に明記している。本書でも、AI を学習の補助として活用することを推奨する。ただし、以下のルールを守ること。
- AI が生成したコードは、必ず実行して結果を確認する
- AI が述べた事実は、論文の本文・図表と照合する
- AI の解釈と自分の解釈を区別して記録する
6 記法
本書で使用する主な記号を示す。
| 記号 | 意味 | 単位 |
|---|---|---|
| \(\Delta_1\) | スピン励起エネルギー（LS→IS 遷移） | K |
| \(r_B\) | B サイトイオン半径 | Å |
| \(\mu\) | GPR 予測平均値 | K |
| \(\sigma\) | GPR 予測標準偏差 | K |