日本的統計數理研究所製造資料科學研究中心的吉田亮教授（中心主任）、東京理科大學和東京大學組成的聯合研究團隊發佈研究成果稱，開發出了一種透過擷取迄今爲止合成的準晶體和相關物質的模式，預測形成熱平衡準晶體的化學組成的機器學習技術。研究團隊還根據這種機器學習預測，新發現了三種準晶體（Al₆₅Ni₂₀Os₁₅、Al₇₈Ir₁₇Mn₅、Al₇₈Ir₁₇Fe₅）。這是在近40年的準晶體研究歷史上首次透過機器學習演算法發現的準晶體。相關成果已刊登在國際學術雜誌《Physical Review Materials》9月25日號上。
圖1 新發現的三種準晶體（Al₆₅Ni₂₀Os₁₅、Al₇₈Ir₁₇Mn₅、Al₇₈Ir₁₇Fe₅）的電子繞射模式（供圖：統計數理研究所）
據稱，目前地球上大約90%的準晶體派生自日本東北大學多元物質科學研究所教授蔡安邦博士等發現的一系列物質羣。
新準晶體的發現帶來了電子特性異常、類絕緣體行為、價態起伏、量子臨界性、超導性和鐵磁性等新物理可用能現象的發現。另一方面，準晶體的形成和穩定機制在很大程度上尚未明確，探索新物質的設計指南尚未確立，阻礙了準晶體研究的進步。
爲此，此次研究團隊嘗試透過引入機器學習來加速發現準晶體的進程。
預測模式輸入的是化學成分，輸出的是表示該物質是否形成準晶體的分類標籤。使用目前已合成的準晶體、相關物質及普通週期晶體的化學成分作爲學習資料。
計算結果表明，該模式能夠預測是否爲準晶體的二元分類任務，準確率達95%以上。
研究還發現，機器學習演算法從蔡博士等發現的準晶體的組成模式中進一步學習了經驗規則。
進一步透過提取機器學習黑盒模式中固有的輸入輸出規則，確定了準晶體形成相關的五條規律。
這些生成規律用五個簡單的算式表示原子的範德華半徑（如果兩個非鍵合原子之間的靜電力平衡，則等於它們之間距離的一半）和電負度（原子吸引電子的能力）等限制。
以此爲基礎，研究人員對相當於鋁三元合金整個空間的1080種合金系統進行了全面篩選。最終篩選出30種候選合金，作爲初次嘗試，選擇Al-Ni-Os、Al-Ir-Mn、Al-Ir-Fe進行了合成實驗。
實驗結果顯示，所有系統中都存在準晶體相（Al₆₅Ni₂₀Os₁₅、Al₇₈Ir₁₇Mn₅、Al₇₈Ir₁₇Fe₅）。
由於這三種準晶體都是在長時間熱處理程序後觀察到的，因此被認爲是熱力學上穩定的物質。
吉田教授表示：「近年來，材料資訊學技術的引入在材料科學的各個領域都取得了快速進展。此次的發現可以說是全面起動資料驅動型準晶體研究的第一步。儘管從首次發現準晶體到現在已經過去了近40年，但人們對其形成條件和穩定機制仍知之甚少。此次研究證明了人工智慧可以爲闡明準晶體研究的未解決問題做出重大貢獻。未來，我們將致力於發現具有半導體性質的準晶體、反鐵磁性準晶體等人類尚未涉足的物質。」
原文：《科學新聞》
翻譯：JST客觀日本編輯部
【論文資訊】
雜誌：Physical Review Materials
論文：Quasicrystals predicted and discovered by machine learning
DOI：10.1103/PhysRevMaterials.7.093805
