MITの研究者、AIを使って材料中の原子欠陥を解明

生物学において欠陥は一般に良くないものです。しかし材料科学では、欠陥は意図的に調整することで、材料に有用な新しい性質を与えることができます。今日では、原子スケールの欠陥は、鋼、半導体、太陽電池といった製品の製造プロセスの中で慎重に導入されています。これにより、強度の向上、電気伝導度の制御、性能の最適化などが可能になります。

しかし、欠陥が強力なツールになった今でも、完成品におけるさまざまな種類の欠陥とその濃度を正確に測定することは難題でした。最終材料を切り開いたり、傷つけたりせずに測るのは特に困難です。材料中にどのような欠陥があるのかが分からないと、エンジニアは、性能が不十分だったり意図しない性質を持つ製品を作ってしまうリスクがあります。

そこでMITの研究者たちは、非侵襲的な中性子散乱という手法のデータを使って、特定の欠陥を分類し、定量化できるAIモデルを構築しました。このモデルは2,000種類の異なる半導体材料で訓練されており、材料中の最大6種類の点欠陥を同時に検出することができます。これは、従来の手法だけでは不可能なことです。

「既存の手法は、材料を破壊せずに、普遍的かつ定量的な方法で欠陥を正確に特性評価できません」と、材料科学・工学科の博士課程の候補生である筆頭著者Mouyang Chengは述べています。「機械学習を用いない従来の手法では、6種類の異なる欠陥を検出することは考えられません。それをほかのやり方で行うことはできないのです。」

研究者たちは、このモデルが、半導体、マイクロエレクトロニクス、太陽電池、そして電池材料などの製品において、欠陥をより精密に活用していくための一歩だと述べています。

「いまのところ、欠陥を検出するのは、象を見るというたとえのようなものです。各手法はその一部しか見られません」と、核科学・工学のシニア著者であり准教授であるMingda Liは言います。「鼻を見る人もいれば、胴や耳を見る人もいます。しかし象を丸ごと見通すのは非常に難しい。欠陥の全体像を得るための、より良い方法が必要です。材料をより有用にするには、それらを理解しなければならないからです。」

この論文には、ChengとLiに加えて、ポスドクのChu-Liang Fu、物理の学部研究者であるBowen Yu、修士課程のEunbi Rha、博士課程のAbhijatmedhi Chotrattanapituk ’21、そしてオークリッジ国立研究所のスタッフであるDouglas L Abernathy PhD ’93とYongqiang Chengが参加しています。paper00091-3)は、本日、学術誌Matterに掲載されます。