arXiv (cs.LG)は2026年10月21日(現地時間)付けで、カン・エレル (Can Erer)氏らがポリマー複合材中のX線エネルギー透過率を推定する新しい人工ニューラルネットワークモデル「STAR-XPC」に関する論文を公開した。このモデルは、計算コストの高いモンテカルロ輸送シミュレーションに代わり、数ミリ秒で高精度な透過率予測を実現する。
放射線遮蔽研究において、ポリマー複合材を透過するX線ビームのエネルギー透過率を評価することは、これまで困難な課題とされてきた。モンテカルロ輸送シミュレーションを用いた参照ソリューションは高い精度を持つものの、1回のシミュレーションに4×10^9光子ヒストリーと20,000秒（5時間以上）の計算時間を要するため、計算コストが大きな課題となっていた。
STAR-XPCモデルは、分子構成要素の順序付けされていないマルチセット、その質量分率、および4つのバルク物理記述子を直接透過率 I(t)/I_0 にマッピングする。この人工ニューラルネットワークモデルは、Set Transformerを基盤としており、設計上順列不変性を持ち、最大11の構成要素からなる混合物を受け入れる。各構成要素は、化学分野で事前学習されたTransformer言語モデルChemBERTa（ケムバータ）によって埋め込まれる。
提案された手法では、トレーニングデータは自動化されたPENELOPE/penEasy（ペネローペ/ペンイージー）パイプラインによって生成された。これは、30、80、100、120 kVの管電圧での放射線源を用い、0.15〜2.5 mmの厚さ範囲のポリエチレンベース遮蔽複合材スラブに対してシミュレーションされたものだ。データセットには4697のシミュレートされた構成が含まれ、10分割交差検定（cross-validation）を実施した結果、平均二乗誤差 (MSE) は(1.12 ± 0.56)×10^-4、正規化平均二乗誤差 (NMSE%) は0.0294% ± 0.0147%、R^2は0.9988を達成した。
STAR-XPCモデルの推論速度は、基となるモンテカルロシミュレーションと比較して数桁速く、1クエリあたりサブミリ秒で透過率 I(t)/I_0 を予測し、有効な精度を示している。
参考: arXiv cs.LG (アーカイブ) — 2026年10月22日 13:00 (JST)
原文ハイライト"Our model's inference is several orders of magnitude faster than the underlying Monte Carlo simulation"