物理学検証に基づく生成推理によって極電界材の領域を拡張する

arXiv:2604.21068v1 Announce Type: cross 摘要：最も技術的に重要な材料はしばしば最も希少なものです：それらは化学空間の狭い領域に位置し、互いに競う物理的制約に従い、既存のデータベースでは稀にのみ出現します。κ (クッパ) 値が高い誘電体、高臨界温度超伝導体、および磁気的絶縁体などはその一例です。この希少性こそが、現在、機械学習モデルが補間には得意ですが真に新しい候補を生成する際には困難に直面する、データ駆動型材料発見を根本的に制限しています。ここでは、DielecMIND（ディエレックマインド）という人工知能枠組みを提示します。これは、材料発見をデータベーススクリーニングの問題ではなく、推論に駆動される探求として再定義します。κ値が高い誘電体という、データ不足かつ技術的に厳格なテストケースを用いて、DielecMIND は初めて大規模言語モデルによる仮説生成と、物理学検証に基づいた第一原理計算を組み合わせ、既知化合物を越えた化学空間をナビゲートします。我々の研究以前には、κ > 150 の実験的または計算的に検証された材料はたった 14 種しか知られていませんでした。我々の枠組みでは、5 つの新規化合物を発見し、検証しました。これにより、この希少材料のクラスを単一の研究で約 35% も拡大しました。そのうち、Ba2TiHfO6 は誘電率 637、可視光領域における最小の損失、そして 800 K までの安定性を示すことが分かりました。誘電体を超えて、この研究は、人工知能支援発見のための新たなパラダイムを示しました。すなわち、物理的に堅実で実験的に合理的な候補の少数を生成しつつ、人口稀薄な機能材料の空間を計測可能なほど拡大させるものです。したがって、DielecMIND は、データ不足が長らく進展を制限してきた稀有で、高インパクトの機能材料の発見に向けた一般的な戦略を指し示しています。

arXiv:2604.21068v1 Announce Type: cross Abstract: The most technologically consequential materials are often the rarest: they occupy narrow regions of chemical space, obey competing physical constraints, and appear only sparsely in existing databases. High-kappa dielectrics, high-Tc superconductors, and ferromagnetic insulators are to name a few. This scarcity fundamentally limits today's data-driven materials discovery, where machine-learning models excel at interpolation but struggle to generate genuinely new candidates. Here, we introduce DielecMIND, an artificial intelligence framework that reframes materials discovery as a reasoning-driven exploration instead of a database-screening problem. Using high-kappa dielectrics as a data-scarce and technologically stringent test case, DielecMIND combines large-language-model hypothesis generation for the first time with physics validated first-principles calculation to navigate chemical space beyond known compounds. Prior to our work, only 14 experimentally or computationally validated materials with kappa > 150 were known. Our framework discovers and validates 5 new such compounds, expanding this rare-materials class by a remarkable = 35% in a single study. Among them, we find that Ba2TiHfO6 exhibits a dielectric constant of 637, minimal loss at low optical frequencies, and stability up to 800 K. Beyond dielectrics, this work demonstrates a new paradigm for artificial-intelligence-guided discovery: one that generates a small number of physically grounded, experimentally plausible candidates yet measurably expands sparsely populated functional materials spaces. Thus, DielecMIND points toward a general strategy for discovering rare, high-impact functional materials where data scarcity has long constrained progress.