NIMS×東大、機械学習により熱流を制御するナノ構造物質の最適設計に成功

物質・材料研究機構(NIMS)は、東京大学大学院工学系研究科の塩見淳一郎准教授、ジュ シェンホン特任研究員、志賀拓麿助教、フウ ライ博士課程学生、同大大学院新領域創成科学研究科の津田宏治教授 、NIMSのホウ ジョウフェン研究員からなる研究チームが、熱抵抗を最大または最小にする最適なナノ構造を、従来の数パーセントの計算量で特定する計算手法を開発し、非直感的な新規ナノ構造を設計することに成功したと発表した。この成果は、米国物理学会ジャーナル「Physical Review X」にて近日掲載予定。

近年、材料の内部にナノスケールの構造を作製して熱輸送を制御する技術が注目されている。ナノスケールではフォノンが弾道的に振舞うため、超格子構造やナノ多結晶体のようにナノスケールの間隔で界面を設けることによって熱抵抗を大幅に増大できるなど、熱輸送の制御性が向上している。これらの進展には熱輸送の計算科学の発展が大きく寄与してきたが、これまでは最適な構造を設計するという試みがなかった。

このたび研究グループは、ナノ構造の熱輸送を計算する手法とベイズ最適化手法を組み合わせることによって、ナノ構造を最適化する新しい手法を開発した。同手法では、2元系の結晶材料を対象に、ナノ構造内のそれぞれの原子の組成そのものを記述子として候補となる多くの構造の中から最適なものを同定する。シリコンとゲルマニウムから構成される材料に適用したところ、全候補数の数%の数の構造を計算するだけで最適構造を同定できることを示したという。

得られた構造のうち熱抵抗が最大になる最適構造は、今まで考えられてきた周期的な超格子構造ではなく、非周期的な層構造であることが明らかになったほか、さらにその機構がフォノンの粒子性と波動性の組み合わせによって理解できることがわかったということだ。

この成果は、材料科学と機械学習を融合したマテリアルズ・インフォマティクスが熱機能ナノ材料の開発に有用であることを示している。このように熱抵抗を最大・最小化する構造を同定できる技術は今後、光や電子デバイスなどの放熱、熱遮蔽による機器保護、熱電変換素子の効率向上に寄与することが期待されるとしている。