나노기술 및 정책 정보

• 목록

일본전기주식회사(NEC)와 토호쿠대학(東北大學) 등의 공동 연구그룹이 실험 데이터 생성의 효율성과 기술과 재료 특성에 대한 정밀 예측·해석을 부여하는 기술 이외, 재료의 특성 향상에 관여하는 수많은 요인들로부터 주요인을 효율적으로 추출하는 방법을 개발함. 또한 본 방법을 이용하여 스핀 열전 재료의 열전 성능 향상을 실증하는 데 성공함. 지금까지 연구진은 로봇 기술에 의한 자동 실험의 구조와 해석 가능한 기계 학습 (Explainable AI)을 조합한‘개발자가 해석 가능한 머티리얼 인포매틱스(Materials Informatics)’를 개발해 왔지만, 자동 실험으로 얻은 데이터가 원래 가진 결점을 기계 학습 측에서 고려할만한 시스템이 없었기 때문에 재료 개발의 효율을 향상시킬 필요가 있었음. 본 연구에서는 이러한 기술을 적용한 시스템을 이용함으로써, 물리 화학 등의 전문적인 지식을 가진 개발자들이 AI의 예측 결과 배후에 있는 지배적인 물리 현상과 인과 관계를 도출하는 힌트를 얻을 수 있음. 향후 재료 개발, 물성 분석에서 있어 새로운 재료의 발견에 기여할 것으로 기대됨.

본 연구 성과는 Nature Partner Journal Computational Materials 온라인 판에 게재됨