機械学習により熱電変換性能を最大にするナノ構造の設計を実現

スポンサーリンク

環境発電への貢献に期待

2018/06/16 東京大学 大学院理学系研究科 科学技術振興機構 物質・材料研究機構

東京大学の塩見 淳一郎教授 (NIMS兼務) 、山脇 柾大学院生、大西 正人特任研究員、鞠生 宏特任研究員の研究グループは、JST戦略的創造研究推進事業において、ベイズ最適化と熱電物性計算を組み合わせて熱電変換材料のナノ構造を最適設計することに成功しました。

概要

東京大学大学院工学系研究科の塩見 淳一郎教授 (物質・材料研究機構 情報統合型物質・材料研究拠点 兼務) 、山脇 柾大学院生、大西 正人特任研究員、鞠生 宏特任研究員の研究グループは、JST戦略的創造研究推進事業において、ベイズ最適化と熱電物性計算を組み合わせて熱電変換材料のナノ構造を最適設計することに成功しました。
環境発電などの応用に向けて、熱電変換への期待が高まっていますが、変換効率の向上には、電気伝導率とゼーベック係数が大きく、熱伝導度が低い材料が必要となります。ナノ構造化によってこれらの相反する要求の実現を目指した研究が盛んに行われていますが、これまでの研究には経験的に構造を選択して、それを評価するアプローチが多く、構造を「最適設計」する手法はありませんでした。
本研究グループは、機械学習と熱電物性計算を組み合わせることによって、パワーファクターの増大と熱伝導度の低減を同時に達成して熱電変換性能を最適にするナノ構造の設計手法を確立しました。この手法では、ベイズ最適化と熱電物性計算を交互に実施することによって、膨大な候補構造から熱電変換性能が最大になるナノ構造を高い最適化効率で決定することができます。有望な熱電変換材料として広く研究されているグラフェンナノリボンにナノ細孔を導入する問題を例にとってこの手法を適用したところ、パワーファクターの増大と熱伝導度の低減という、一般に相反するものを同時に達成できることを確認しました。得られた最適構造は、ナノ細孔が非周期的に並ぶような非直感的なナノ構造であり、グラフェンナノリボンの性能指数を大幅に向上できる可能性を示しました。
この手法は対象を選ばず、さまざまな熱電変換材料のナノ構造設計に適用できるため、今後の熱電材料の開発における新たな手法として、その性能向上に貢献することが期待されます。それによって、低コストで高性能の熱電デバイスが開発され、環境発電などを通じて、スマート社会に必要不可決な自立発電技術の発展に貢献することが期待されます。
本研究成果は、2018年6月15日 (米国東部時間) に米国科学誌「Science Advances」のオンライン速報版で公開されます。
本成果は、戦略的創造研究推進事業 チーム型研究 (CREST) 微小エネルギーを利用した革新的な環境発電技術の創出」 (研究総括 : 谷口研二 大阪大学 名誉教授) 「メカノ・サーマル機能化による多機能汎用熱電デバイスの開発」の事業・研究領域・研究課題によって得られました。


「プレスリリース中の図 : 機械学習と熱電変換性能計算を組み合わせたマテリアルズ・インフォマティクス手法の概要」の画像

プレスリリース中の図 : 機械学習と熱電変換性能計算を組み合わせたマテリアルズ・インフォマティクス手法の概要



発表雑誌

雑誌名 : 「Science Advances」 (オンライン版の場合 : 6月15日)
論文タイトル : Multifunctional structural design of graphene thermoelectrics by Bayesian optimization
著者 : Masaki Yamawaki, Masato Ohnishi, Shenghong Ju, Junichiro Shiomi
DOI番号 : 10.1126/sciadv.aar4192

スポンサーリンク
スポンサーリンク