機械学習により結晶粒界の熱伝導度を局所原子配列から高精度に予測

ad

計算科学と粒界ナノ構造に基づく新たな材料開発指針

2020-05-07 大阪大学,ファインセラミックスセンター,物質・材料研究機構 ,名古屋大学

ファインセラミックスセンター、NIMS、大阪大学、名古屋大学からなる研究グループは、計算材料科学と機械学習を併用することで、結晶粒界の熱伝導度を局所原子配列から直接的に予測するモデルの構築に成功しました。

概要

ファインセラミックスセンター (JFCC) 、物質・材料研究機構 (NIMS) 、大阪大学、名古屋大学からなる研究グループ (藤井進、横井達矢、Craig A. J. Fisher、森分博紀、吉矢真人) は、計算材料科学と機械学習を併用することで、結晶粒界の熱伝導度を局所原子配列から直接的に予測するモデルの構築に成功しました。

金属・セラミックス材料のほとんどは、多数の微結晶粒から構成された多結晶体です。結晶粒のあいだに存在する結晶粒界 (以下、粒界と呼ぶ) は、結晶内部とは原子配列が異なるために様々な性質を示すことが知られており、結果として材料全体の機械的・電気的・熱的といった多くの材料特性に影響を与えます。この粒界と材料特性の関係を明らかにすることは、材料科学における最も挑戦的な課題の一つです。本研究では、分子動力学法という原子レベルの計算科学を用いて多様なMgOセラミックス粒界の熱伝導度を計算し、得られた結果に対して構造記述子やクラスタリング等の機械学習手法を適用することによって、粒界の原子配列から高精度に熱伝導度を予測するモデルを構築しました。これにより熱伝導を決定する粒界近傍の局所構造が特定できることになりました。この成果は、熱電変換材料や遮熱コーティング材料等の作製プロセスの最適化や高集積電子デバイスの性能向上に繋がります。今後、得られたモデルをより実用に近い多彩な材料や他の材料特性に適用することを目指して研究を進めます。

本成果は、2020年4月15日に、国際学術誌「Nature Communications」にオンライン掲載されました。

「プレスリリース中の図 : 研究内容の概略」の画像

プレスリリース中の図 : 研究内容の概略

特記事項 (掲載論文)

題目 : Quantitative prediction of grain boundary thermal conductivities from local atomic environments (粒界原子構造に基づく熱伝導度の定量予測)
著者 : Susumu Fujii, Tatsuya Yokoi, Craig. A. J. Fisher, Hiroki Moriwake, Masato Yoshiya
雑誌 : Nature Communications
DOI : 10.1038/s41467-020-15619-9
本研究は、JST「情報統合型物質・材料開発イニシアティブ (MI2I) 」およびJSPS科学研究費新学術領域「機能コアの材料科学」 (19H05786) の支援を受けたものです。

0501セラミックス及び無機化学製品1600情報工学一般
ad
ad
Follow
ad
タイトルとURLをコピーしました