由名古屋大学研究人员领导的团队通过使用多晶材料的光学照片教授人工智能(AI)，成功预测了晶体取向。结果发表在APL机器学习上。
晶体是许多机器的重要组成部分。工业中使用的常见材料含有多晶成分，包括金属合金、陶瓷和半导体。由于多晶由许多晶体组成，因此具有复杂的微观结构，并且其性能根据晶粒的取向而变化很大。这对于太阳能电池、智能手机和计算机中使用的硅晶体尤其重要。
“为了获得可在工业中有效使用的多晶材料，需要控制和测量晶粒取向分布，”宇佐美纪隆教授说。“然而，测量大面积样品所需的昂贵设备和当前技术阻碍了这一点。”
由工程研究生院宇佐见教授(他)和信息学研究生院工藤弘明教授(他)组成的名古屋大学团队与RIKEN合作，应用了一种机器学习模型来评估拍摄的照片通过从各个方向照射多晶硅材料的表面。他们发现人工智能成功预测了晶粒取向分布。
宇佐美说：“这次测量所需的时间约为1.5小时，用于拍摄光学照片、训练机器学习模型和预测方向，这比传统技术大约需要14小时要快得多。”“它还能够测量传统方法无法实现的大面积材料。”
宇佐美对团队的技术在工业中的应用寄予厚望。“这是一项将彻底改变材料开发的技术，”宇佐美说。“这项研究面向所有开发多晶材料的研究人员和工程师。将有可能制造出多晶材料的取向分析系统，该系统打包了图像数据收集和基于机器学习的晶体取向预测模型。我们预计许多公司处理多晶材料就会安装这样的设备。”