ガラスは、家の窓からスマートフォンの画面に至るまで、あらゆる場所に存在していますが、工学においては依然として最も誤解されている材料の一つです。この謎の中核には、単純な問いがあります。「なぜガラスはこれほど簡単に砕けてしまうのか？」という問いです。曲がったり伸びたりしてから壊れることができる金属とは異なり、ガラスは通常、突然かつ壊滅的に破断します。この脆さは、より強く安全な構造物を構築しようとするエンジニアにとって大きな制限となっています。数十年にわたり、科学者たちはガラス内部の原子の配列が、金属やダイヤモンドに見られる秩序ある結晶とは異なることを知ってきましたが、その目に見えない原子レベルの乱れと、目に見える形で材料が破壊される仕組みを結びつけることに苦心してきました。このパズルを解く鍵は、ガラスが引張られたり圧縮されたりする際に、その微小な構成要素がいかに再配置されるか、そしてそれらの再配置が材料が壊れる前に予測可能であるかを知ることにあります。
最近の研究で、研究者たちは、一般的なガラスの主要成分であるアモルファスシリカに着目することで、この問題の解決を試みました。彼らは、力が加えられる前に、その構造を見るだけで、ガラスのどこに亀裂が入るかを正確に予測できるかどうかを調べたいと考えました。これを行うために、強力なコンピュータシミュレーションを用いてシリカの仮想サンプルを作成し、それらを左右に引き離すことで、引張試験を模倣しました。彼らは、ガラスの作り方が極めて重要であることを発見しました。溶融したシリカを高圧下で冷却することで、標準的なガラスとは全く異なる挙動を示す、より高密度なバージョンの材料を作り出しました。通常のガラスは、わずかに引き伸ばされただけで破断してしまいますが、これらの高圧下で作られたサンプルは、破断するまでに通常の約3倍も伸びることができ、脆い材料から、砕けることなく曲がったり変形したりできる材料へと変貌を遂げました。
この新たな柔軟性の秘密は、原子の動き方にありました。標準的なガラスでは、原子は固定されており、材料が引っ張られるとストレスが蓄積され、それが突然クラック（亀裂）として放出されます。しかし、より高密度の高圧ガラスでは、原子が動くための余地がより多くありました。材料が引き伸ばされるにつれて、原子間の結合が切れ、新しい構成へと組み変わるプロセスが発生しました。研究者たちはこれを「ボンド・スイッチング（結合の切り替え）」と呼びました。この絶え間ない再編成によって、材料はエネルギーを吸収し、ストレスを分散させることができ、単一の亀裂が即座に形成されるのを防ぐことができました。研究者たちは、破断の前兆となる最も重要なサインは、特定の種類の原子の変化、すなわち、ある原子が結合していた隣接原子を失う瞬間であることを見出しました。これらの接続の喪失を追跡することで、彼らは実際にクラックが現れるずっと前に、材料がどこで弱体化しているかを正確にマッピングすることができました。
この観察結果を予測ツールへと転換するために、チームは機械学習として知られる手法を採用しました。彼らは、ガラスが引き伸ばされる前にある独特の原子パターンを認識するようにコンピュータプログラムを学習させました。コンピュータは、原子の初期配置を観察し、材料が最終的に引っ張られた際にどの原子が接続を失う可能性が高いかを予測することを学習しました。驚くべきことに、コンピュータは、ガラスが変形する様子を見る必要はなく、静止した未歪みの構造を分析するだけで、将来の破断箇所を高精度に特定することができました。つまり、破壊の設計図は、原子の初期位置にすでにエンコードされていたのです。これは、材料が失敗する可能性はランダムなものではなく、その初期の原子構造によって決定されていることを示唆しています。
この研究の意義は、ガラスの理解にとどまりません。この研究は、材料の機械的特性（曲がる能力や砕けやすさなど）が、その微視的な構造に深く根ざしていることを証明しています。コンピュータシミュレーションを用いて異なる方法で作られたガラスをテストすることで、研究者たちは、より強く強靭な材料を設計することが可能であることを示しました。初期構造に基づいてどこで亀裂が始まるかを予測できる能力は、過酷な条件に耐えうる新しい材料を設計するための扉を開きます。どの設計が機能するかを推測する代わりに、エンジニアはこれらの手法を用いて原子配列をスクリーニングし、望ましい強度と柔軟性を約束するものだけを選択できるようになるでしょう。これは、航空宇宙から日常的な消費財に至るまで、次世代の耐久性ある材料の創出へとつながります。
技術要約：分子動力学シミュレーションと機械学習を用いた非晶質シリカの破壊傾向の予測
問題提起
非晶質シリカ（a-SiO₂）は、半導体チップから光ファイバーに至るまで幅広い用途を持つ重要な材料である。しかし、表面の欠陥が存在する場合に脆性破壊を起こしやすい性質があり、これが工学的な有用性を制限している。結晶性固体における変形メカニズムはよく理解されているが、a-SiO₂のような非晶質材料における延性と破壊傾向の起源を特定することは依然として困難である。先行研究では、せん断変形帯（STZ）が延性の担い手として提案されているが、これらは金属ガラスにおいてより一般的に研究されており、酸化物ガラスの脆い性質は、そのような塑性変形領域の存在を不明瞭にしている。さらに、a-SiO₂の局所的な原子構造と、延性および破壊に対するそれらの具体的な影響との関係については、これまでほとんど探求されてこなかった。
手法
著者らは、a-SiO₂の変形および破壊メカニズムを調査するために、大規模な分子動力学（MD）シミュレーションと機械学習（ML）を組み合わせたアプローチを採用した。
MDシミュレーション:
- 試料作製: 一連のa-SiO₂試料をメルトクエンチ法を用いて作製した。結晶ブロックから開始し、システムを5000 Kで溶融させた後、様々な一定静水圧（0, 1, 2, 3, 4, 5 GPa）の下で300 Kまで冷却することで、異なる程度の緻密化を持つ試料を作成した。
- 変形: 完全周期的なバルク試料と、自由表面を持つナノワイヤの両方を、300 Kにおいて歪み速度 109s−1 で一軸引張変形させた。
- 解析: 著者らは、原子構成の解析にOpen Visualization Tool (OVITO) および Visual Molecular Dynamics (VMD) を用いた。主要な指標には、応力-歪み曲線、原子歪みテンソル（体積およびせん断）、および配位数（CN）が含まれる。
- 結合組み換えイベント: 原子は、未変形状態と最終的な破壊状態の間での配位数（CN）の変化に基づき、配位数減少（DCN）、配位数増加（ICN）、および配位数不変（UCN）に分類された。
機械学習:
- 特徴量エンジニアリング: 初期状態の静的な原子構成は、47個の径方向構造関数（RSF）と22個の角度構造関数（ASF）からなる計69個の構造記述子によって記述された。
- 分類タスク: 目標は、初期の未変形環境のみに基づいて、破壊後の原子における結合組み換え活性（DCN、ICN、またはUCN）を予測することである。
- アルゴリズム: 3つの主要な教師あり学習アルゴリズムのクラスをテストした：最近傍法（KNN）、サポートベクターマシン（線形、多項式、およびRBFカーネル）、および決定木ベースの手法（決定木、ランダムフォレスト、Extra Trees）。
- データ処理: データセットは均衡化され（各クラス350原子）、min-maxスケーリングを用いて正規化された。モデルはデータの70%で学習を行い、30%でテストを実施し、グリッドサーチを通じてハイパーパラメータを調整した。
主な結果
マクロな機械的応答:
- クエンチ圧を高めることで、明確な脆性から延性への転移が誘発された。低圧（< 2 GPa）でクエンチされた試料は、歪み < 0.2 で突然の脆性破壊を示した。
- 高圧（最大5 GPa）でクエンチされた試料は、著しく高い延性を示し、破断歪みは0.58以上に達した（低圧試料のほぼ2倍）。
- 高圧化は、延性と靭性（単位体積あたりのエネルギー吸収）を向上させた一方で、究極引張強度を低下させた（最大応力は約13 GPaから約9 GPaに減少）。
- ナノワイヤは同様の傾向を示したが、自由表面効果とネッキングの影響により、バルク周期試料と比較して全体的な強度と延性が低かった。
微視的なメカニズム:
- 結合組み換え: 結合組み換えイベント（DCNおよびICNの両方）の数は、印加された歪みとともに増加し、緻密化された試料において有意に高くなった。
- DCNの役割: 著者らは、配位数減少（DCN）イベントを破壊傾向の主要な指標として特定した。DCN原子の数は圧力とともに大幅に増加し、亀裂の発生位置と強く相関していた。
- 破壊の局在化: DCN原子の空間分布は、最大原子歪みの領域とほぼ完全に重なり合った。DCN分布関数のピークは、亀裂発生の正確な位置を精度よく予測した（例：予測値0.778に対し、実測値0.772）。
機械学習の性能:
- ML分類器は、初期の静的な原子構造から将来の結合組み換え状態へのマッピングに成功した。
- テストした7つのアルゴリズムのうち4つが、90%以上の予測精度を達成した。
- RBF SVMおよびランダムフォレストモデルは特に優れた性能を示し、DCN-ICN分類器では最大92.57%、DCN-UCN分類器では91.43%の精度に達した。
- データ正規化は、距離に基づくアルゴリズム（KNN、SVM）の性能を大幅に向上させたが、決定木ベースのアルゴリズムは正規化への感受性が低かった。
- 角度構造関数（ASF）を含めることは、RSFのみを使用する場合と比較してわずかな改善をもたらした。これは、RSFが局所的な構造情報の大部分を保持していることを示唆している。
意義および主張
本論文は、非晶質シリカの初期の静的な原子構成と、破壊時の最終的な平衡から遠い状態との間の明確な関連性を確立したと主張している。主な意義は、以下のことを示した点にある：
- 延性の制御可能性: 非晶質シリカを高圧クエンチによって緻密化することで、エネルギーを散逸させる局所的な結合組み換えイベントを促進し、靭性と延性を向上させることができる。
- 予測能力: 静的な構造は、変形中の局所的な原子配位の変化の傾向をコードしている。
- 破壊予測: 変形プロセスをシミュレーションすることなく、初期の原子構成と機械学習のみを用いて、破壊の位置および特定の結合組み換え活性（特にDCN）を正確に予測することが可能である。
著者らは、これらの知見が非晶質固体における原子配列が機械的特性にどのように影響するかについての包括的な洞察を提供するものであると結論付けている。彼らは、このアプローチが、初期の構造的特徴に基づいて破壊傾向を予測することを可能にする、機能性材料の原子レベルでの設計に有用であると考えている。本研究は、酸化物ガラスにおけるすべての破壊問題を解決すると主張するものではなく、a-SiO₂における静的構造と動的破壊を結びつける検証済みの枠組みを提供するものである。
毎週最高の メソスケール物理学 論文をお届け。
スタンフォード、ケンブリッジ、フランス科学アカデミーの研究者に信頼されています。
受信トレイを確認して登録を完了してください。
問題が発生しました。もう一度お試しください。
スパムなし、いつでも解除可能。
週刊ダイジェスト — 最新の研究をわかりやすく。登録