物質の微視的構造が示す振る舞いを高精度に理解することは新規材料の創出や特性制御に不可欠ですが、その本質的理解には膨大な計算資源を要する量子力学計算が必要であり、大規模材料探索や迅速な設計の大きな障壁でした。東北大学大学院工学研究科の滝川敦之大学院生、同大学金属材料研究所の清原慎講師、熊谷悠教授らのグループは、物質の原子配列情報のみから誘電率へのイオンの寄与を高精度に予測できるAI手法を開発しました。具体的には、物質の結晶構造をグラフとして表現し、グラフニューラルネットワーク（GNN）を用いてBorn有効電荷（注４...

低消費電力・高性能ガスセンサーの実現には、室温で揮発性有機化合物（VOC）を高感度・高選択的に検出する新材料の開発が不可欠です。東北大学多元物質科学研究所の殷澍教授（同材料科学高等研究所（WPI-AIMR）連携教授 兼務）、北陸先端科学技術大学院大学（JAIST）サスティナブルイノベーション研究領域の本郷研太准教授、大阪大学産業科学研究所の関野徹教授、北京科技大学 材料科学と工程学院の曹文斌教授、台北科技大学材料資源工程系の邱德威教授らを中心とする国際共同研究グループは、一次元V2O5ナノファイバーを原材料として、水熱還元法により、配向し...

物質中に必ず存在する点欠陥は、材料特性を大きく左右する重要な要素であり、新材料の発見においてその特性の把握は不可欠です。しかし、欠陥形成エネルギーの評価には多大な計算資源が求められる量子力学計算が必要であり、実用材料探索の大きな障壁となっていました。東北大学大学院工学研究科の澁井千紗大学院生（研究当時）、同大学金属材料研究所の清原慎講師、Soungmin Bae助教、熊谷悠教授らは、結晶をグラフとして扱うグラフニューラルネットワーク（GNN）を活用し、半導体や絶縁体中の欠陥がとり得る複数の電荷...

次世代の形状記憶合金として期待されるCu-Al-Mn系形状記憶合金は、原料が安価で加工しやすく、良好な超弾性を発現することから、耐震材料や医療デバイスなど幅広い分野での応用が期待されています。さらに性能を高めるためには合金の原子の並びと配列の変化を詳しく知る必要があります。しかしこれまでの技術でこれらを調べることは困難でした。東北大学と九州大学、株式会社古河テクノマテリアル（神奈川県平塚市、花谷健社長）の共同研究グループは、Cu-Al-Mn系形状記憶合金の原子レベルでの構造変化を解明しました。X線吸収分光法（XAS）（注４）と第一...