概要

NIMS は、東京大学、新潟大学、理化学研究所と共同で、機械学習(ベイズ最適化(注1))と熱放射物性計算(電磁波計算)を組み合わせて、世界最高クラスの狭帯域熱放射(注2)を実現する多層膜(メタマテリアル(注3))を最適設計し、実験にて実証することに成功しました。これによって高効率な省エネルギーデバイスの実現が期待されます。

物体が熱を電磁波として放出する熱放射現象は、波長制御ヒーターや赤外線センサー、熱光起電力発電などの様々なエネルギーデバイスへの応用が期待されています。熱放射エネルギーを無駄なく利用するためには、有用かつ狭い波長帯での熱放射スペクトルを持つ材料が必要となります。電磁波を自在に操ることができるメタマテリアルによって、これらの要求の実現を目指した研究が盛んに行われていますが、これまでは経験的に構造を選択して、その性能を評価するアプローチが多くとられており、膨大な候補物質の中から最適な構造を得ることが困難でした。

本研究グループは、機械学習と熱放射物性計算を組み合わせることによって、熱放射性能を最適にするメタマテリアル構造の設計手法を確立しました。今回は作製が比較的容易なメタマテリアルである多層膜構造を対象とし、3種類の物質を 18 層重ねて配置する組み合わせの中から最適なものを探索しました。膜厚を変化させたことで、約80 億通りにも上る候補構造の中から、熱放射性能を大幅に向上できる最適構造を探索したところ、半導体材料と誘電体が非周期的に並ぶような非直感的なナノ構造が得られました。さらに、この最適メタマテリアル構造を実際に作製してその熱放射スペクトルを計測し、極めて狭帯域な熱放射が実現できていることを実証しました。従来の材料では、熱放射スペクトルの狭帯域化を示すパラメータである Q 値(注4)が 100 を超えることは難しいとされてきましたが、今回、見いだされたナノ構造はQ 値200 に迫るものであり、大幅な狭帯域化に成功しています。

今回の成果は、新しい熱放射メタマテリアルの開発において、機械学習が有用であることを示しています。無駄な熱エネルギーロスをなくし、所望の熱放射スペクトルを持つメタマテリアルが実現できることによって、高効率なエネルギー利用が可能となり、省エネルギー社会の実現へ貢献することが期待されます。さらにこの手法は対象を選ばず、様々なナノ構造設計に適用できるため、今後の材料開発における新たな手法として、その性能向上に貢献することが期待されます。

本研究は、東京大学大学院工学系研究科の塩見 淳一郎教授、新潟大学工学部の櫻井 篤准教授、東京大学新領域創成科学研究科の津田 宏治教授らの研究グループによって、物質・材料研究機構情報統合型物質・材料研究拠点における科学技術振興機構 (JST) 事業「情報統合型物質・材料開発イニシアティブ (MI2I : “Materials research by Information Integration” Initiative)」ならびに理化学研究所革新知能統合研究(AIP)センターにおける文部科学省 AIP プロジェクトによる研究課題のもとで行われました。

本研究成果は、2019 年1 月22 日(米国東部時間)に米国科学誌「ACS Central Science」のオンライン速報版で公開されます。

詳細:https://www.nims.go.jp/news/press/2019/01/201901210.html