結晶構造予測は、新しい材料の発見と性能最適化に必要不可欠な課題として、材料科学および計算化学の分野で重要な位置を占めています。従来のab-initio計算手法は高い精度を持つ一方で、計算コストが膨大であるという課題を抱えており、スケーラビリティに限界があります。 この研究では、進化的極限学習機械（Evolutionary Extreme Learning Machine）とマンタレイ最適化アルゴリズムを組み合わせた革新的な手法を提案しています。極限学習機械は、ニューラルネットワークの一種であり、高速な学習と優れた汎化能力を特徴としています。これをab-initio計算によって得られたエネルギーランドスケープデータの学習に適用することで、結晶構造の予測精度を大幅に向上させることが可能になります。 マンタレイ最適化は、マンタレイの遊泳行動に着想を得た生物学的アルゴリズムであり、複雑な最適化問題の解決に有効です。さらにレヴィフライト（Levy Flight）を組み込むことで、探索空間における局所最適解への陥入を回避し、より広範で効率的な探索が実現されます。この組み合わせにより、結晶構造予測の過程で、より安定で有望な構造配置を発見する確率が高まります。 本研究は、計算効率と予測精度の両立を目指す新材料開発において、重要な技術的進展を示唆するものです。機械学習とメタヒューリスティック最適化の融合が、材料探索の効率化に革命をもたらす可能性を示唆しています。