東京農工大学・九州大学・JST他、AIを用いたセラミックス材料の3次元ミクロ構造モデル化に成功

磁石やバッテリーなど、セラミックス材料は私たちの身近なところで使われている。その性能はミクロな構造と密接に関連しており、その構造は非常に複雑だ。

近年、AIの技術を活用した材料の研究開発が進められているが、ミクロな構造に適用するにはサイバー空間でモデル化する必要があった。そして、その複雑なミクロ構造をモデル化するには時間がかかるという問題が存在していた。

こうした中、東京農工大学大学院工学研究院の山本 明保 准教授らは、AIの手法の1つである深層学習を活用することで、電子顕微鏡の画像からセラミックス材料の、高精度な3次元ミクロ構造をモデル化することに成功した。

なお、この研究は、東京農工大学工学部の平林由宇氏、小川浩生氏、德田進之介氏、九州大学大学院総合理工学研究院の嶋田雄介氏と共同で、科学技術振興機構（JST）戦略的創造研究推進事業CRESTの一環として、日本学術振興会 科学研究費補助金の助成、文部科学省ナノテクノロジープラットフォーム事業の支援を一部受けて行ったものだ。

今回の研究では、自動運転や医療用画像処理にも使われる深層学習である完全畳み込みニューラルネットワークを、強力な磁石への応用が期待される鉄系高温超伝導セラミックス材料のミクロ構造に応用した。

また、3次元電子顕微鏡法によって撮影したミクロ構造の3次元データを使い、専門家と研究を行う大学生たちが高精度な教師データを開発した。

2次元データでは判別の難しかった奥行方向の情報も加味した教師データをAIに学習させることで、従来よりも高精度な深層学習による画像処理に成功し、複雑なセラミックス材料としては世界最高レベルのIoU精度（IoU=94.6パーセント）を実現した。

さらに、高解像度の電子顕微鏡で撮影した画像に適用できるようになったことで、約100ナノメートル（ナノは10億分の1）のサイズの構造もデジタル空間で高精度にモデル化できるようになった。

これにより、鉄系高温超伝導セラミックス材料の性能に影響する特徴的なミクロ構造を明らかにした形だ。

また、従来の画像処理ソフトウェアで用いられる計算科学と呼ばれる方法と、今回開発した深層学習（データ科学と呼ばれる方法）による画像処理結果を比較し、それぞれが得意とする材料のミクロ構造部の傾向を見つけた。

深層学習は材料のミクロ構造に現れる特徴や、電子顕微鏡で撮影する際の実験ノイズも学習していると考えられ、従来の画像処理ソフトウェアよりも人間に近いような解析をする傾向が見られたのだという。

しかし、専門家でも判断が分かれるような結晶の輪郭部分では解析を間違えたり、欠陥の無いきれいな結晶の内部に何かを見出して間違えたりするなど、深層学習特有の課題があることも分かった。

今後、教師データのバリエーションが充実し、より優れた深層学習の手法の開発が進むことで、深層学習特有の弱点が克服され、精度の向上につながると見込まれている。

また、サイバー空間で実在の材料の複雑なミクロ構造を取り扱えるようになることで、材料を合成する際の構造制御モデルの高精度化や、これまで分からなかった機能発現のカギとなるミクロ構造部の「見える化」が数年以内に実現すると予想されている。

なお、研究の成果は、2024年3月5日にSpringer Nature科学誌「npj Computational Materials」のオンライン版で公開されている。

IoTNEWS編集部

IoTに関する様々な情報を取材し、皆様にお届けいたします。