東大ら、機械学習により熱電変換性能を最大にするナノ構造の設計を実現――自立発電技術の発展に期待

  • このエントリーをはてなブックマークに追加

機械学習と熱電変換性能計算を組み合わせた手法の概要

東京大学と物質・材料研究機構(NIMS)は2018年6月16日、ベイズ最適化と熱電物性計算を組み合わせて熱電変換材料のナノ構造を最適設計することに成功したと発表した。

IoTなどで必要となるセンサーや情報通信デバイスを駆動するために、身の回りにあるエネルギーを電力に変換する環境発電技術の発展が求められている。中でも、熱電変換技術は、温度差をつけるだけで発電でき、動力部がないことで故障やメンテナンスなどの心配が少ないことから、環境発電技術として有望視されている。

しかし、実用化には材料の変換効率が足りておらず、変換効率の向上には、単位温度差あたりの発電電力であるパワーファクターを増大させ、熱伝導度を低減する必要がある。一方で、この相反する物性を材料内のナノ構造によって独立に制御する研究が進んでいたが、経験に頼らずに最適なナノ構造を設計する手法は存在しなかった。

研究グループは今回、機械学習と熱電物性計算を組み合わせることで熱電変換性能を最適化するナノ構造の設計手法を確立。同手法は、ベイズ最適化と熱電物性計算を交互に実施することで、熱電変換性能が最大になるナノ構造を高い最適化効率で決定する。また、有望な熱電変換材料であるグラフェンナノリボンに同手法を適用。パワーファクターの増大と熱伝導度の低減という、相反する性質を同時に達成できることを確認した。

グラフェンリボンに適用した場合の最適構造と物性値

研究グループは、同手法は対象を選ばずに適用できるため、今後の熱電材料の性能向上に貢献することが期待されるとしている。また、それにより、低コストで高性能の熱電デバイスが開発され、自立発電技術の発展に貢献することが期待されるとしている。

関連リンク

プレスリリース

関連記事

fabcross
meitec
next
ページ上部へ戻る