北陸先端科学技術大学院大学

　産業技術総合研究所（産総研）と北陸先端科学技術大学院大学、物質・材料研究機構、HPCシステムズ、仏コンピエーニュ工科大学の共同チームはこのほど、証拠理論を使ったデータ駆動型アプローチによる新材料推薦システムを開発し、ハイエントロピー合金（多元素組成の合金）の実験検証により、新たな単相合金薄膜材料の合成に成功した。

　材料研究の短期化とコスト削減は急務だ。データから価値を引き出すデータ駆動型材料開発手法が注目されるが、膨大な数の成分組み合わせ数に比べ、理論計算や実験評価数は少ないことが問題だ。実験条件や計算手法の違いで、一貫性がある解釈の難しい結果を含んだり報告データは成功例に偏るなど、データの限定性や偏向性のため、得られた結果の精度や信頼性の定量的評価が困難で、少ない実験数で効率的に作製条件や組成を決める上での障害となっている。

　今回採用した証拠理論は、ベイズ統計を一般化したものでデータの不確かさを評価でき、合金生成が可能な全ての組み合わせの一部または不完全なデータをもとに、組成を推定できる。複数のデータ源から未知の組成が存在する可能性を示す手がかりを集め、その証拠をモデル化・収集・結合して生成可能な新規組成を推薦する手法を開発。

　鉄・コバルト・マンガンと第四元素Rを含む新規ハイエントロピー合金について、スパッタリング法でRの組成が少しずつ異なる薄膜を作製し、組成と結晶構造の関係を系統的にデータベースとして取得。その関係性を効率的に検証することで、同手法で推奨された材料候補群から、これまで知られていなかった体心立方構造の鉄・コバルト・マンガン・ニッケル薄膜の合成に初めて成功した。

　また、試行回数を既存の機械学習による推薦方法の100分の1以下に低減できた。これにより、関連性が明確ではないデータ群から、材料組成が関係し説明可能で合理性があるデータの関連性を抽出し新たに有効なデータ群を構築することで、新材料の提案と合成を実現した。