世界

機械学習は、超薄型材料の構造を明らかにします

ガジェットで使用されている超薄型素材の隠された秘密を明らかにする超強力なレンズを持っていることを想像してください。フロリダ大学エンジニアリング教授のミーガン・ブタラ教授が率いる研究により、単結晶基板上の薄膜の原子構造を斬新に見ることができます。 この研究には、より速いスマートフォンからよりエネルギー効率の高いコンピューターや強力なウェアラブル技術まで、次世代半導体デバイスの開発を大幅に進める可能性があります。原子レベルの精度で設計された半導体は、よりスマートで、より速く、よりコンパクトで、持続可能な電子機器につながる可能性があります。 材料科学工学部（MSE）の助教授であるブタラは、薄膜材料からの複雑な2D X線総散乱データを処理するための機械学習ワークフローであるISODAT2Dを開発しました。 ISODAT2Dは、私たちが依存している日常のテクノロジーの中心にある、超薄フィルムのユニークな「指紋」を分離および識別します。たとえば、コンピューターチップは、二酸化シリコンや金属窒化物などの材料の薄膜膜の層で作られています。これらの映画は、通常、人間の髪よりも数千倍薄いです。 「原子構造とは何か、その構造をどのように取得するか、その構造がどのような特性を与えるかを理解すれば、最初からより良い材料を設計することができます」とブタラは言いました。 伝統的に、単結晶表面で薄膜を研究することは困難でした。多くの場合、原子構造情報は、その下の比較的厚い基質からのより大きな信号によって引き出されます。厚さとX線散乱信号のこの大きな違いにより、フィルムの原子構造を決定することが困難です。 ブタラの新しいアプローチにより、科学者は、薄膜からのX線総散乱データにおける信号からノイズへの制限を克服することにより、材料の原子構造の非常に微妙な詳細を検出する方法を改善します。この機能は、原子レベルで材料がどのように振る舞うかを理解するために重要です。 「これにより、エネルギー貯蔵、半導体、および電子材料のための用途環境での薄膜材料の開発が加速される可能性があります。これにより、より速い材料の設計を可能にし、X線散乱データの再現性とアクセシビリティを改善できます」とButala氏は述べています。 MSE暫定議長のマイケル・トンクス教授は、ブタラの研究は、半導体産業に大きな影響を与え、チップ製造に革命をもたらす開発につながる可能性があると述べました。より明確な洞察により、研究者はより正確な特性を備えた素材を設計できます。たとえば、より速く、よりエネルギー効率の高いコンピューターチップです。 「最先端のデータ処理ツールを開発することで、ブタラ博士は、研究者がより広い範囲の薄膜を研究する方法を舗装しました。 これは、より強力で効率的なスマートフォンとコンピューター、ハートモニターやイメージングツールなどの医療機器のためのより良いセンサー、電子バイクや電気自動車など、より安全でスマートなバッテリー技術、人工知能用の高度なチップ、量子コンピューター用のコンポーネントに貢献する可能性があります。 この研究では有望なことが示されていますが、薄膜材料から原子情報を取得しようとする際には、重要な課題と制限があります。 ISODAT2Dを使用した薄膜の正確な構造分析には、高品質でよくサンプリングされた入力データとアルゴリズムが必要です。主任学生研究者、最近の博士号MSEの卒業生であるダニエル・アルバーソンは、モジュラーデータプロセスプログラムの開発は多くの試行錯誤は非常に高いと述べましたが、この旅は非常に価値がありました。 「私たちが選んだ方向に、私は本当に他の新しい方向性を刺激することを願っています。私たちはこれら2つの機械学習アルゴリズムを組み合わせており、私たちにとっては大丈夫です。それは会議や会議での議論を引き起こしています。これらのタイプの資料をこれらのタイプの資料を理解しようとする多くの人々を、これらの単結晶基板と同じ希望を集めています。 ブタラは、ブルックヘブン国立研究所で国立シンクロトロン光源-IIにアクセスしなくても、そこで研究は不可能だと述べた、スタッフ科学者のダニエル・オールズ博士。このコラボレーションは、データ収集の課題を管理し、機械学習データ処理アプローチを開発するために不可欠でした。 彼女は現在、エネルギー省で審査中の提案を受けており、業界パートナーや連邦政府機関との他の資金と協力を積極的に追求しています。 「私たちはあなたが測定できるものの境界を押し広げています。説明するのに役立ちます。ここにいくつかの機械学習アルゴリズムがあります。これらはさまざまな方法で組み合わせる方法を紹介します。それがイノベーションの一部です。データの前処理、機械学習アルゴリズム、および後処理の組み合わせです」とブタラは言いました。 この研究は、パフォーマンスが向上し、エネルギー消費量が改善されたAIアプリケーション向けの大容量の高度なチップを含む、次世代の電子機器の開発のリーダーになるという米国の探求にも適合しています。 研究者に最も小さなコンポーネントのより明確なビューを提供することにより、将来のテクノロジーとの対話方法を再定義できる材料のよりターゲットを絞った設計と製造を可能にします。 参照： Alverson DN、Olds D、Butala MM。機械学習を使用したX線総散乱に対する等方性および異方性シグナルを区別します。 Acta Crystallogr A Found Adv。 2025; 81（3）：175-187。 doi： 10.1107/s2053273325002438 #機械学習は超薄型材料の構造を明らかにします