人工知能（AI）は材料発見の加速において強力なツールとして注目されていますが、従来のモデルは特定の問題に依存し、新しい特性ごとにデータ収集と再学習が必要です。本稿では、34の物理化学特性を共同で学習する汎用AIフレームワーク「GATE（Geometrically Aligned Transfer Encoder）」を紹介し、その一般化能力を検証しています。GATEは、異なる特性を共有の幾何学的空間内に整列させ、特性間の相関を捉えることで、マルチクリテリアスクリーニングにおける偽陰性を引き起こす偏りを軽減します。具体的には、データセンター向けの浸漬冷却剤の発見に直接適用し、カンディデートとして92,861の分子を特定しました。実験的または文献的に確認された4つの分子は、実際の測定値と高い一致を示し、商業冷却剤と同等またはそれを超える性能を持っています。これにより、GATEは様々な材料発見タスクに即適用可能な汎用AIプラットフォームとしての地位を確立しました。