東京大学の研究グループは，物質解析に広く利用されるスペクトルを，人工知能で「解釈」と「予測」する新手法を開発した（ニュースリリース）。

物質開発では，さまざまな分光法でスペクトルが測定されている。たとえば，電子顕微鏡やX線を使った内殻電子励起分光法は，高い空間分解能と時間分解能で原子配列と電子構造を調べることができ，半導体設計や電池開発，触媒解析に広く利用されてきた。最近では，測定技術の向上により空間分解や時間分解したスペクトルの測定を容易に実施でき，一度の測定で，数千から数万の実験スペクトルを取得できるようになっている。

一方，そのようなスペクトルを「解釈」し，原子配列や電子構造の情報を獲得するには，研究者が専門知識を使って高度なスペクトルの理論計算を実施し，その結果を職人技で解析する必要がある。内殻電子励起スペクトルの理論計算には，数時間から数日を要し，膨大な数のスペクトルを理論計算で解釈することは，現実的に不可能だと言える。

そのような旧来の「研究者駆動型」のスペクトル解釈の限界を乗り越えるために，研究グループは人工知能で用いられている機械学習法を利用した。今回開発した手法では，「物質情報の樹形図」と「スペクトルの樹形図」という，2つの樹形図（２本の木）を使う。

お互いに相関した2本の木を利用することで，高速かつ高精度に内殻電子励起分光スペクトルの「解釈」ができる手法の開発に成功した。研究者のような経験と知識を一切使用することなく，数秒で正確に解釈と予測を行なうことができる。さらに，この手法を使えば，物質の構造情報を入力することで，スペクトル形状を「予測」することも可能だという。

今回は内殻電子励起スペクトルを利用したが，この2つの樹形図を利用する手法は，原理的に他の分光法にも利用が可能。物質科学においては，赤外分光や紫外線吸収，X線／電子線分光など，多くの分光法が使用されており，それらの解釈の多くは専門的な知識や理論計算が必要だった。しかし今回の手法を利用することで，さまざまな分光法の解釈と予測が高速化し，専門の知識がなくても物質を高速かつ高精度に解析することが可能になるとしている。