材料の構造画像を生成し、物性を予測するAI技術を開発——CNTなど複雑な構造の材料にも利用可能 産総研ら

  • Tweet
  • このエントリーをはてなブックマークに追加

産業技術総合研究所(以下、産総研)は2021年10月19日、同研究所のナノチューブ実用化研究センター CNT評価チームが、先端素材高速開発技術研究組合および日本ゼオンと共同で、AI(人工知能)によって材料の構造画像を生成し、物性予測を可能とする技術を開発したと発表した。

AI技術は、材料開発での新規材料探索において、開発の高度化や高速化、材料組成の最適化、低コスト化などに資するものとして期待されている。一方で、従来のAI技術では、比較的単純な化学構造を有する低分子化合物や周期構造を有する金属、無機化合物などに対象が限定されていたため、CNT(カーボンナノチューブ)などの複雑な構造の材料にも利用できるAI技術の開発が求められていた。

同研究チームが今回開発した手法は、C-GAN(条件付き敵対的生成ネットワーク)を用いたものとなっている。C-GANとは、2つのニューラルネットワークを用いて、一方で疑似データを生成し、もう一方でその真偽を判別することで、互いに競わせるように学習させる手法を指す。

CNT膜は、マクロな集合体からミクロな束状構造まで複数の階層構造を有する。今回、2000倍から10万倍まで観察倍率が異なる4つのSEM(走査型電子顕微鏡)画像を組み合わせてC-GANに学習させることで、CNT膜の構造をコンピューターで取り扱い可能とした。

観察スケールの異なる4枚の画像を結合して1枚の画像とし、AIに学習させる「タイリング手法」により、CNT膜の構造を高精度で学習し、AI画像として生成することが可能となった。

冒頭の画像は、今回の技術によって生成したCNT膜の構造画像だ。製法によって長さや集合状態の異なる7種のCNT構造(CNT1~7)がAI画像において再現されており、観察倍率ごとの階層構造を適切に学習したことが見て取れる。

同研究チームはさらに、任意の割合で種類の異なるCNTを混合したCNT膜の物性予測を検証した。製法別7種類のCNT膜に加えて、そのうち2種類を混合させた計17種類のCNT膜を作製し、それらのSEM画像および物性値を学習データとして用いている。

これにより、2~3種類のCNTの選択(材料選定)から、任意に配合比率を変更して混合させたCNT構造の画像生成(加工)、物性値の予測(評価)まで、コンピューター上で一連の実験作業が可能となった。

下記の画像は、合計1716種類の混合膜について、電気伝導率に対して比表面積を表示した予測結果である。

この結果から、CNTを任意の比率で配合することにより、さまざまな物性値をもつCNT膜が作製可能であることが判明した。

下記の画像は、仮想実験で得られたCNT膜の電気伝導率と経済性(材料コストの相対値を表す指標)の関係を示している。縦軸での1目盛りは材料コストが10倍異なることを表しており、値の大きい方がより低コストとなる。図内の三角形が、各電気伝導率において材料コストが最小となる条件を示している。

材料コストが最小となる際のCNT組成は、以下の画像の通りとなっている。これらにより、今回開発した技術が経済性の分析においても有効であることが明らかになった。従来、経済性の分析には網羅的な実験データや長期間の解析が必要となっていた。

同研究チームは今後、CNTに加えてプラスチックやゴム複合材、ファインセラミックス、マルチマテリアルといった実用部材を対象に、さらなる開発を進める。また、高スループットな機能性材料開発に寄与すべく、材料の製造工程にも同技術を応用する「プロセス・インフォマティクス」にも取り組む。

関連リンク

プレスリリース

関連記事

アーカイブ

fabcross
meitec
next
メルマガ登録
ページ上部へ戻る