未知の試料から結晶の対称性と構造を決定するための機械学習に基づいたアプローチは、結晶構造の決定から当て推量を一部排除する方法を提供するもので、それによってこのプロセスの速度と正確さが大幅に向上すると考えられる。この新しい方法は結晶学をAI（人工知能）のハイスループットの世界に導いた。地質学から生物学そして材料科学まで、結晶構造の同定はその一般的性質や特性の把握に欠かせない。結晶構造同定のための標準的手法は電子線後方散乱回折法（EBSD）で、これは非常に有効である。とはいえ、EBSDでは結晶相といった構造の重要ファクターについてユーザーがインプットしなければならず、これは時間がかかる上に間違いも起こりやすい。そこで、より実践的な結晶学への完全自律型アプローチが材料特性のハイスループット評価を実現するだろうと本論文の著者らは述べている。Kevin Kaufmannらは、EBSDデータから高精度で結晶構造を迅速に決定する機械学習ベースの自律型アプローチを開発した。彼らは畳み込みニューラルネットワークを利用して、結晶学者が使うと思われる対称特徴と同じ特徴を使い、EBSDパターン画像上で類のない結晶対称を同定した。その結果によると、訓練済みアルゴリズムは、それについて訓練されていない材料の回折パターンから、人間によるインプットもほぼない状態で、結晶構造の様々な特徴を正確に同定し分類することができたという。このプラットフォームによって様々な分野でハイスループットな構造決定への扉が開かれた。
###
Journal
Science