해외(국가별)

home >나노동향 >해외(국가별)
일본/중국/미국/EU 주요 정책 제공

일본 | [일본/R&D] 기계 학습에 의해 결정입계의 열전도도를 국소 원자 배열로부터 정밀 예측

페이지 정보

발행기관
물질·재료연구기구
주제분류
 
발행일
2020-05-07
조회
32

본문

파인세라믹스센터(JFCC), 물질·재료연구기구(NIMS) 등의 공동 연구그룹이 계산 재료 과학 및 기계 학습을 병용하여 결정입계(grain boundary)의 열전도도를 국소 원자 배열로부터 직접 예측하는 모델을 구축하는 데 성공함. 금속·세라믹 재료의 대부분은 다수의 미세 결정립으로 구성된 다결정체임. 결정립 사이에 존재하는 결정입계는 결정 내부와는 원자 배열이 다르기 때문에 다양한 특성을 나타내는 것으로 알려져 있으며, 결과적으로 재료 전체의 기계적·전기적·열적 등 많은 재료 특성에 영향을 미침. 이 결정입계와 재료 특성의 관계를 규명하는 것은 재료 과학의 가장 도전적인 과제 중 하나임. 연구진은 분자 동역학법이라는 원자 수준의 계산 과학을 이용하여 다양한 MgO 세라믹 결정입계의 열전도도를 계산하고, 얻어진 결과에 대해 구조 기술자 및 클러스터링 등의 기계 학습 기법을 적용하여 결정입계의 원자 배열로부터 정밀하게 열전도도를 예측하는 모델을 구축함. 이로 인해 열전도도를 결정하는 결정입계 근방의 국소 구조를 특정할 수 있게 됨. 본 성과는 열전 재료, 단열 코팅 재료 등의 제작 프로세스 최적화 및 고집적 전자 디바이스 성능 향상으로 이어질 것으로 기대됨.

본 연구 성과는 ‘Nature Communications’ (“Quantitative prediction of grain boundary thermal conductivities from local atomic environments”) 온라인 판에 게재됨.

 

이메일 등록하기
이메일
등록하신 이메일 주소로 센터 소식지 등을 받으시겠습니까?