東京科学大学（Science Tokyo） 総合研究院 フロンティア材料研究所の高橋亮助教、大場史康教授（神奈川県立産業技術総合研究所（KISTEC）プロジェクトリーダー兼任）、同大学 物質理工学院 材料系の高松新修士課程学生（研究当時）は、東北大学 金属材料研究所の熊谷悠教授と共同で、材料のスペクトルデータを予測する人工知能（AI）モデルを解釈し、類似する材料をグループ化することで、材料設計の指針となる情報を抽出する新手法を開発しました。材料科学において、所望の材料特性の発現に関わる構成元素や原子配列の特徴を見いだすことは、材料設計指針の構築や物性発現機構の解明のために重要です。...

AIの急速な普及によりデータセンターの消費電力増大が深刻な問題となっています。光信号で情報を伝送するシリコンフォトニクスが次世代技術として注目され、その心臓部となる光部品の鍵を握るのが磁気光学材料「磁性ガーネット」です。しかし最高性能の単結晶膜はシリコン基板上に直接成長できず貼り合わせ工程が必要で、直接成膜できる多結晶膜は性能が劣るため、この性能と集積性のトレードオフは30年来の難問でした。そこで東北大学と京セラ株式会社による共同研究グループは、独自の「緩昇温結晶化プロセス」により、シリコン基板上に直接成膜できる新材料「ナノコンポジット磁性ガーネット膜」を作製しました。本材料は磁気...

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...