説明可能AIのアプローチでフェルミ面の異常検知に成功 ～ホイスラー合金のスピン偏極とノーダルラインを自動検出～

【研究の概要】
東京理科大学 先進工学部 マテリアル創成工学科の石川 大地氏（修士課程 2 年）、福 健太郎博
士研究員（当時）、小嗣 真人教授、京都工芸繊維大学の三浦 良雄教授、筑波大学 システム情報
系の五十嵐 康彦准教授、物質材料研究機構らの共同研究グループは、ホイスラー合金
Co2MnGaxGe1-x
（コバルト‐マンガン‐ガリウム‐ゲルマニウム）（＊1）を対象に、フェルミ面（＊
2）を自動解析する機械学習手法の確立に成功しました。
フェルミ面は物質の電気特性、磁気特性、トポロジカル特性を理解する上で重要な役割を担っ
ています。フェルミ面はこれらの機能に応じて複雑に形状が変化するため、微細な形状変化を解
析することが困難で、目視による解析は多大な労力を伴います。
本研究では、説明可能 AI のアプローチで、主成分分析（PCA, ＊3）と距離学習による外れ値検
出（＊4）を組み合わせ、フェルミ面の形状変化を自動検出する手法を確立しました。この手法に
より、スピン偏極率（＊5）の極値およびノーダルライン（＊6）の出現位置を自動的に可視化す
ることが可能となりました。さらに、ノイズやぼかしへの堅牢性を検証し、実験的な AI 解析手法
研究の要旨とポイント
Ø 説明可能 AI のアプローチでホイスラー合金のフェルミ面の解析手法を開発。
Ø 主成分分析における「ジャンプ」に着目し、これがスピン偏極率の極値と変曲点に対応するこ
とを明らかにしました。
Ø 外れ値のデータを再構成し、ノーダルラインの発現位置を自動検出することに成功しました。
Ø 低品質データに対して堅牢性があり、実験的なフェルミ面トポロジーの解析手法として、多様
な物質系への展開が期待されます。
2
の基盤を構築できました。本手法は、機能性材料のインテリジェント解析の基盤として、AI4Science
の実現に貢献するものです。
本成果は、2026 年 4 月 27 日に国際学術誌「Scientific Reports」にオンライン掲載されました。