オムロン サイニックエックス株式会社（本社：東京都文京区、代表取締役社長：諏訪正樹、以下 OSX）は、「The Thirteenth International Conference on Learning Representations（ICLR 2025）」にて、最新の研究成果を発表します。

ICLR2025は、機械学習分野において国際的に権威のあるトップカンファレンスの一つで、特にディープラーニングや表現学習に関する最先端の研究が多数発表されます。4月24日から4月28日（現地時間）にかけてシンガポールで開催されます。

OSXより発表する研究論文は、以下の2件です。

ICLR 2025での発表内容

_^■ Rethinking the role of frames for SE(3)-invariant crystal structure modeling

（日本語訳：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)

Yusei Ito (OSX Intern/Osaka University), Tatsunori Taniai (OSX), Ryo Igarashi (OSX), Yoshitaka Ushiku (OSX), Kanta Ono (Osaka University)

私たちの生活は、磁石や半導体など、さまざまな材料デバイスの恩恵を受けています。近年では、高温環境でも動作可能な超伝導体や、より高性能なバッテリー材料といった次世代材料の開発が精力的に進められています。材料開発には多くの試行錯誤と長い年月を要しますが、近年はAI技術の活用により、そのプロセスの効率化が期待されています。
本研究では、材料の設計図となる結晶構造から材料物性を予測する、トランスフォーマー型ニューラルネットワーク「CrystalFramer」を開発しました。このモデルでは、従来技術である「フレーム」手法を拡張し、「ダイナミックフレーム」という新たな概念を導入しました。これにより、前年度に発表したモデル「Crystalformer」をさらに発展させ、結晶構造の三次元的な情報をより高精度に捉えることに成功しました。

https://openreview.net/forum?id=gzxDjnvBDa
https://omron-sinicx.github.io/crystalframer

_^■ Near-Optimal Policy Identification in Robust Constrained Markov Decision Processes via Epigraph Form

（日本語訳：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）

Toshinori Kitamura (OSX Intern /The University of Tokyo), Tadashi Kozuno (OSX), Wataru Kumagai (OSX), Kenta Hoshino (Kyoto University), Yohei Hosoe (Kyoto University), Kazumi Kasaura (OSX), Masashi Hamaya (OSX), Paavo Parmas (The University of Tokyo), Yutaka Matsuo (The University of Tokyo)

強化学習を実応用するにあたって、アルゴリズムに対する二つの重要な要求があります。一つ目の要求は、学習データと実際の製品との差に対する頑健性。二つ目は、理論に裏打ちされた安全性です。しかしながら、この二つの要求を同時に満たすことができるアルゴリズムは存在していません。本研究では、エピグラフ形式強化学習という手法を提案し、上記の差に対して頑健かつ安全な方策を出力できることを理論的に示しました。実験的にも、そのような方策を出力することを確認しました。

https://openreview.net/forum?id=G5sPv4KSjR

　

また、ICLR2025に併催されるワークショップ「AI for Accelerated Materials Design(AI4Mat) Workshop」にて、下記の研究発表を行います。

_^■ Transformer as a Neural Knowledge Graph

（日本語訳：結晶構造と言語モデルの対照学習の性能向上を目的として、トランスフォーマーをニューラル知識グラフとして利用）

Yuki Nishihori (Osaka University), Yusei Ito (Osaka University), Yuta Suzuki (TOYOTA), Ryo Igarashi (OSX), Yoshitaka Ushiku (OSX), Kanta Ono (Osaka University)

本研究では、AI4Mat Workshop NeurIPS 2024で発表した結晶構造と言語モデルの対照学習「CLASP」の課題である言語データ不足に対し、ニューラル知識グラフ（NKG）を提案しました。NKGはTransformerを活用し、論文のキーワードに加え関連知識を動的に取り込みます。実験では、NKGがキーワードに基づく結晶構造検索で従来法より高い性能を示しました。

※所属は論文執筆時点のものです。現時点では情報が異なる場合がありますので、あらかじめご了承いただくとともに、ご注意をお願いいたします。

---

技術に関するご相談・OSXに関するご質問など、お気軽に下記よりお問い合わせください。
お問い合わせはこちら