利用机器学习开发仅根据构成元素信息即可高精度预测导热率的数学模型 - 有望加速控制热量的功能材料的开发 -

演示要点

〇〇提出了一种利用机器学习以低计算成本、高精度预测导热系数的数学模型。
〇〇有望用作下一代电子器件材料、热电转换材料和催化剂材料的半霍斯勒化合物的热导率，与传统计算方法相比，现在可以用1/100的计算时间来预测。

总结

　该研究小组由工学研究科的宫崎秀俊副教授（物理工学部/前沿研究所）、田村智之副教授（物理工学部）以及产业技术综合研究所极端功能材料研究部高级研究员三上雄二领导，是由国立自然科学研究所计算科学研究中心领导的研究小组。通过使用机器学习来学习超级计算机对半霍斯勒化合物的综合导热率计算结果，我们成功构建了一个可以预测半霍斯勒化合物导热率的数学模型，半霍斯勒化合物因其功能多样、精度高、时间短而作为下一代材料而受到关注。
　这项研究的结果是，现在只需指定组成元素，就可以预测哪些物质容易导热，哪些物质难以导热。

　该研究成果于2021年6月28日（日本时间18:00）发表在自然出版集团的开放获取期刊《Scientific Reports》上。

研究背景

　随着物联网社会的进步，对电子设备的性能要求越来越高。近年来，电子设备的集成度越来越高，以提高其性能，但随着集成度的提高，电子设备的散热问题也变得更加严重。当电子设备在运行过程中温度升高时，会导致性能下降、部件寿命缩短、安全性受到损害，因此对电子设备的温度管理（热管理）的需求日益增长。
电子设备中管理“热量”的最重要的物理量是热导率。热导率是一个物理量，表示当热能施加到材料的一侧时有多少热量穿过材料，并用于预测材料内的热量分布。材料的热导率可以通过实验确定，使用激光闪光法或比较稳态法，但由于获得的值根据样品的形状、密度和纯度而变化，因此人们进行了许多尝试，通过理论计算获得预测的热导率值。虽然实际上可以通过第一性原理计算来预测热导率，但众所周知，必须高精度地确定施加热量时作用在每个元件之间的力，这需要大量的计算成本，并且很难在短时间内预测热导率。

研究内容/结果

　在本研究中，我们重点研究了作为半导体材料、催化剂材料和热电发电材料具有高性能的半高斯勒化合物。我们使用第一性原理计算计算了图1所示的包含各种元素的143种半高斯勒化合物的热导率，并研究了是否可以使用机器学习构建仅根据构成半高斯勒化合物的原子信息来预测热导率的数学模型。

图 1　包含本计算中使用的各种元素的半霍斯勒化合物。

　

因此，通过选择机器学习中的学习模型算法，从组成原子的原子信息（原子半径和原子质量）中学习半赫斯勒化合物的晶格常数，然后通过学习热导率来优化学习模型，成功开发了一种计算成本低、精度高的用于预测热导率的机器学习数学模型。通过使用开发的数学模型，结果表明可以以 4% 或更低的精度预测 half-Heusler 化合物的热导率偏差，如图 2 所示。

图 2　（左图）半霍斯勒化合物导热系数第一性原理计算得出的理论值和机器学习预测的预测值。
（右图）理论值与预测值之间的差异数量。

社会意义

　为了物联网社会的未来发展，需要开发更高性能的电子设备材料，并随着电子设备的集成度越来越高而适当地管理电子设备的温度。为此，不仅需要开发新材料，还需要开发能够准确预测材料导热系数的技术。这项研究揭示了机器学习可以高精度预测热导率，这是使用基于第一性原理计算的理论计算难以预测的，并且还成功预测了各种新材料的热导率。未来，预计这项研究获得的成果将被用来加速开发具有最佳导热性的电子设备新材料。

未来展望

　本研究开发的预测热导率的数学模型不仅可以应用于电子器件材料的开发，还可以应用于其他功能材料的开发，例如热电转换发电材料和可将热能转化为电能的催化剂材料。未来，预计通过将这项研究成果应用到其他功能材料中，在新型功能材料的开发方面将取得进展。

　

这项研究得到了文部科学省科学研究补助金（C）和国立自然科学研究所/计算科学研究中心设施利用系统的支持。

术语表

（注1）热导率：热导率是一个物理量，表示当热能施加到物质的一侧时有多少热量穿过该物质，并用于预测物质内的热量分布。

（注2）第一性原理计算：一种不使用经验参数来计算构成材料的电子运动以及原子间作用力的方法。虽然是极其精确的计算方法，但是却需要大量的时间来计算。

（注 3）机器学习：机器学习是人工智能的一种，计算机根据给定的数据自动学习并构建数学模型来预测结果。

论文信息

论文标题：使用原子信息基于机器学习预测半霍斯勒化合物的晶格热导率
作者姓名：Hidetoshi Miyazaki、Tomoyuki Tamura、Masashi Mikami、Kosuke Watanabe、Naoki Ide、Osman Murat Ozkendir 和 Yoichi Nishino
出版杂志名称：Scientific Reports
发布日期：2021 年 6 月 28 日
doi:101038/s41598-021-92030-4
网址：

联系信息

研究相关

V体育工学研究科物理工程系前沿研究所
宫崎秀俊副教授
电话：052-735-5394
电子邮件：miyazaki[at]nitechacjp

公共关系很重要

V体育企划公关科
电话：052-735-5647
电子邮件：pr[at]admnitechacjp

*请将每个 [at] 替换为 @。