日本的统计数理研究所制造数据科学研究中心的吉田亮教授（中心主任）、东京理科大学和东京大学组成的联合研究团队发布研究成果称，开发出了一种通过读取迄今为止合成的准晶体和相关物质的模式，预测形成热稳定准晶体的化学组成的机器学习技术。研究团队还根据这种机器学习预测，新发现了三种准晶体（Al₆₅Ni₂₀Os₁₅、Al₇₈Ir₁₇Mn₅、Al₇₈Ir₁₇Fe₅）。这是在近40年的准晶体研究历史上首次通过机器学习算法发现的准晶体。相关成果已刊登在国际学术杂志《Physical Review Materials》9月25日号上。
图1 新发现的三种准晶体（Al₆₅Ni₂₀Os₁₅、Al₇₈Ir₁₇Mn₅、Al₇₈Ir₁₇Fe₅）的电子衍射模式（供图：统计数理研究所）
据称，目前地球上大约90%的准晶体派生自日本东北大学多元物质科学研究所教授蔡安邦博士等发现的一系列物质群。
新准晶体的发现带来了电子特性异常、类绝缘体行为、价态起伏、量子临界性、超导性和铁磁性等新物理现象的发现。另一方面，准晶体的形成和稳定机制在很大程度上尚未明确，探索新物质的设计指南尚未确立，阻碍了准晶体研究的进步。
为此，此次研究团队尝试通过引入机器学习来加速发现准晶体的进程。
预测模型输入的是化学成分，输出的是表示该物质是否形成准晶体的分类标签。使用目前已合成的准晶体、相关物质及普通周期晶体的化学成分作为学习数据。
计算结果表明，该模型能够预测是否为准晶体的二元分类任务，准确率达95%以上。
研究还发现，机器学习算法从蔡博士等发现的准晶体的组成模式中进一步学习了经验规则。
进一步通过提取机器学习黑盒模型中固有的输入输出规则，确定了准晶体形成相关的五条规律。
这些生成规律用五个简单的算式表示原子的范德华半径（如果两个非键合原子之间的静电力平衡，则等于它们之间距离的一半）和电负性（原子吸引电子的能力）等约束条件。
以此为基础，研究人员对相当于铝三元合金整个空间的1080种合金系统进行了全面筛选。最终筛选出30种候选合金，作为初次尝试，选择Al-Ni-Os、Al-Ir-Mn、Al-Ir-Fe进行了合成实验。
实验结果显示，所有系统中都存在准晶体相（Al₆₅Ni₂₀Os₁₅、Al₇₈Ir₁₇Mn₅、Al₇₈Ir₁₇Fe₅）。
由于这三种准晶体都是在长时间热处理过程后观察到的，因此被认为是热力学上稳定的物质。
吉田教授表示：“近年来，材料信息学技术的引入在材料科学的各个领域都取得了快速进展。此次的发现可以说是全面启动数据驱动型准晶体研究的第一步。尽管从首次发现准晶体到现在已经过去了近40年，但人们对其形成条件和稳定机制仍知之甚少。此次研究证明了人工智能可以为阐明准晶体研究的未解决问题做出重大贡献。未来，我们将致力于发现具有半导体性质的准晶体、反铁磁性准晶体等人类尚未涉足的物质。”
原文：《科学新闻》
翻译：JST客观日本编辑部
【论文信息】
杂志：Physical Review Materials
论文：Quasicrystals predicted and discovered by machine learning
DOI：10.1103/PhysRevMaterials.7.093805
