科学者は人工知能を使って新素材を発見する

米国の科学者チームは、人工知能を利用して非常に短期間で新たな鉄鋼の代替品を発見したいと考えている。その結果、研究者たちは、これまでの同様の研究よりも200倍速く金属ガラスを製造できる3つの新しい混合物を発見した。

[[228149]]

科学者は人工知能を使って新しい材料を発見する ドーン・ハーマー / SLAC 国立加速器研究所: SLAC 国立加速器研究所のポスドク研究員だったファン・レンは、データをリアルタイムで分析するアルゴリズムを開発しました。ここで彼女は、現在稼働中のスタンフォード シンクロトロン放射光源ビームライン システムを操作しています。

金属ガラスは基本的に未来の合金です。多くの場合、複数の金属を混合して、それぞれの金属の望ましい特性を「追加」し、「スーパーメタル」を作成することを目的としています。合金は、原子構造が厳密な幾何学的パターンに配置されており、金属のように動作し、金属のように見えます。一方、金属ガラスの原子構造の幾何学的パターンは厳密ではなく、ガラスのように原子構造が非常に無秩序です。したがって、この原子構造により、対応する材料は鋼鉄よりも軽くて強くなります。したがって、金属ガラスは鋼鉄の理想的な代替品です。

しかし、金属ガラスは比較的新しい材料であり、その成分のすべての組み合わせがテストされているわけではありません。可能な組み合わせは数百万通りありますが、過去 50 年間でテストおよび評価されたのはわずか数千通りであり、実際に使用できるように開発されたのはそのうちのほんのわずかです。したがって、金属ガラス業界では、最適な組み合わせを予測またはモデル化する方法を見つける必要が早急にあります。米国エネルギー省のSLAC国立加速器研究所、国立標準技術研究所（https://www.nist.gov）（NIST）、ノースウェスタン大学（https://www.northwestern.edu）が率いる科学者チームは、人工知能を使用して、金属ガラスの最適な組み合わせを見つけるための近道を発見しました。

研究チームは、SLAC のスタンフォード シンクロトロン放射光源 (SSRL) (https://www-ssrl.slac.stanford.edu/content/) を使用し、機械学習システムを使用して、金属ガラスの製造に使用できる 3 つの新しい成分混合物を発見しました。彼らの研究結果は『Science Advances』に掲載されました。ノースウェスタン大学のクリス・ウォルバートン教授がこの論文の共著者である。同氏は「材料の発見から商業利用までの開発には通常10年から20年かかる。今回の研究結果は開発期間の短縮に向けた大きな前進だ。材料のリストから始めて、人工知能を使って膨大な数の候補材料を数個の​​優れた候補材料に素早く絞り込むことができる」と語った。

この研究成果は金属ガラスだけでなく他の材料にも応用でき、産業界にとって非常に価値のある技術となります。ウォルバートン教授の最終的な目標は、サンプル材料をスキャンし、機械学習モデルを即座に使用して材料に関するフィードバックを提供することです。過去半世紀にわたり、科学者たちは金属ガラスの組成の約6,000通りの組み合わせを研究してきました。ウォルバートン教授のチームは人工知能を使って2万通りの成分の組み合わせをスクリーニングした。チームは予測、実験測定、結果を交互に繰り返し、重要な情報を機械学習システムに入力します。 SSRL X 線ビーム システムを使用して合金をスキャンし、このデータを機械学習システムに送り込んで新しい結果を生成します。この結果を使用して新しいサンプルが作成され、最良の材料が生成されるまで X 線ビームでスキャンされます。将来的には、この技術がより高速な方法に開発され、より自動化され、さらに多くの材料に使用できるようになることが期待されています。機械学習と人工知能の技術によって、すでに多くの刺激的なアプリケーションが開発されています。今がまさに絶好のタイミングです。