東京理科大学大学院 先進工学研究科 マテリアル創成工学専攻 修士2年の長谷川 礼佳氏、同Varadwaj Arpitaポスドク研究員、山崎 貴大助教、小嗣 真人教授、東京大学 物性研究所の新部 正人特任研究員、堀尾 眞史助教、松田 巌教授、東京科学大学 総合研究院の安藤 康伸准教授、筑波大学 数理物質系の近藤 剛弘教授、の共同研究グループは、教師なし機械学習（＊1）の一つであるUMAP（＊2）を用いた解析モデルを開発し、複雑なX線吸収スペクトル（＊3）から、材料の結晶構造や電子状態を自動で精密に解析することに成功しました。

X線吸収分光法（XAS, ＊3）は、物質の構造や電子状態に関する情報を得る分析法で、材料開発をはじめとした広範な分野で活用されています。しかし、得られるスペクトルは多様な結晶構造や欠陥の影響により複雑であるため、正確な解析には高度な専門知識と膨大な作業が必要とされてきました。そこで本研究グループは、教師なし機械学習を用いた自動解析手法を開発し、先端材料である窒化ホウ素（BN）の結晶構造と電子構造を結びつけました。

その結果、UMAPを用いた多様体学習によって、高次元のXASデータを、結晶構造や欠陥の種類に応じて正確に分類できることが判明しました。また、従来の主成分分析（PCA, ＊4）や多次元尺度構成法（MDS, ＊5）よりも、複雑なスペクトルの本質的な特徴を捉えるという点で優れていることが明らかになりました。さらに、詳細解析により原子の結合状態やわずかな電荷移動の違いを識別できることは、これまでにない画期的な成果といえます。そして、開発したモデルがシミュレーションデータのみではなく、実験データにも適用可能であることも実証しました。本研究は、スペクトルデータに対する自動的な物性解析の可能性を示すとともに、データ駆動型材料設計の新たな道筋を提示し、材料開発の加速に寄与するものです。

本研究成果は、2025年11月10日に国際学術誌「Scientific Reports」にオンライン掲載されました。

論⽂情報

関連情報