A high-dimensional neural network potential for finite-temperature phenomena in NiTi martensite

素材が元の形を「記憶」できる世界を想像してみてください。紙クリップを曲げると、曲がったままになります。しかし、ニッケルとチタンで作られた特別な金属線は、熱を加えた瞬間に、元の真っ直ぐな形へと戻ります。この魔法のような振る舞いは「形状記憶効果」と呼ばれ、血管内で開くステントから、屈曲や弛緩を繰り返すロボットの筋肉に至るまで、あらゆるものに使用されている理由です。しかし、数十年もの間、科学者たちは、なぜこの金属が壊れることなくこれほど容易に曲がるのかという謎に突き当たっていました。それは、外側からだけを見て複雑な機械の仕組みを理解しようとするようなものです。内部は、目に見えるのが難しく、予測することさえさらに難しい、原子の絡み合った混沌とした世界なのです。

この謎を解くために、研究者たちは2つの主要なツールを使用します。第一のツールは、「密度汎関数理論（DFT）」と呼ばれる超高精度なコンピュータ手法です。DFTは、あらゆる単一の原子を見通し、それらがどのように相互作用するかを正確に計算できる高解像度の顕微鏡のようなものだと考えてください。非常に精密ですが、計算負荷が極めて高く、ごく小さな原子のグループしか扱うことができません。例えるなら、一軒の家だけを見て都市全体をシミュレートしようとするようなものです。第二のツールである「分子動力学（MD）」は、原子が動き回る様子を描いた高速の動画のようなものです。膨大な数の原子や長い時間を扱うことができますが、必ずしも完璧ではない「推測」に基づいたルールに依存しています。材料科学における大きな課題は、この2つを橋渡しすることでした。つまり、動画のスピードと、顕微鏡の精密さを両立させることです。

この論文は、巧妙な解決策である「高次元ニューラルネットワークポテンシャル（HDNNP）」を紹介しています。高解像度の顕微鏡（遅いが精密）と、高速で全体像を見せる動画（速いが不正確）の間で、超スマートなAIロボットが翻訳者として機能するように訓練されていると考えてください。研究者たちは、ニッケルとチタンの原子がどのように振る舞うかについて、超精密なDFT計算に基づいた数千もの例をAIに学習させました。一度訓練されると、このAIはDFTレベルの精度で原子の動きや相互作用を予測できますが、大規模なシステムを長時間シミュレートできるほど高速に動作します。この新しいツールを用いることで、チームはニッケルチタン金属がただ静止しているのではなく、加熱されるにつれて、その内部構造が非常に特定の、一方通行の方向にシフトし、滑っていることを発見しました。彼らは、金属が曲がり、形を戻す能力が、原子が辿るユニークで滑らかな経路に関連していることを突き止めました。これは、以前は理論上のものに過ぎなかったメカニズムです。この新しいモデルにより、科学者たちはついに、金属が形を変える際の数千の原子の「ダンス」を観察することが可能になり、なぜこの驚異的な材料がこれほどまでに強く、かつ柔軟であるのかという明確なイメージを得ることができました。

「スマート」な金属の物語

ニッケルチタン（NiTi）は、形状記憶合金のスタープレイヤーです。曲げたりねじったりした後でも元の形に戻ることができる能力で有名ですが、これは「オーステナイト（立方晶系）」と「マルテンサイト（単斜晶系）」という2つの結晶構造間の可逆的な変態によって実現されています。私たちはこの金属がどのように機能するかを知っていますが、その「曲がりやすさ（延性）」と強さを支える正確な原子のダンスは、依然としてある種の謎のままでした。科学者たちは、マルテンサイト相（曲がった状態）が特定の種類の「滑り」を伴う特殊な変形を行うのではないかと長年疑ってきましたが、証明するのは困難でした。なぜなら、可能な原子配置間のエネルギー差が極めて小さく、原子あたり数ミリ電子ボルトのオーダーだからです。

「水晶玉」の構築

このコードを解読するために、著者らは新しい種類のコンピュータモデルを構築しました。原子の相互作用を近似する従来の数式を使用する代わりに、高精度なデータから物理法則を直接学習するように、人工知能の一種であるニューラルネットワークを訓練しました。彼らは、DFTを用いて、わずか4個の原子のセルから180個の原子のブロックに至るまで、7,300種類の異なる原子構成を含む膨大なデータセットを作成しました。これらの構成には、静止状態、引き伸ばされた状態、そして絶対零度から700ケルビンまでの温度での振動が含まれています。

HDNNPと呼ばれるこのAIは、どのような原子配置に対しても、エネルギーと力を予測するように教えられました。AIが単に暗記しているのではなく、真に学習していることを確認するために、研究者たちは「委員会」方式を採用しました。7つのわずかに異なるバージョンのAIを訓練したのです。もし7つのモデルが特定の状況下での挙動について意見が分かれた場合、研究者たちはそこがAIがまだ十分に学習できていない難しい箇所であると判断し、そのシナリオに対して追加のトレーニングデータを投入しました。この「能動学習（アクティブラーニング）」と呼ばれるプロセスは、AIの予測が極めて一貫性を持つ（力の誤差が0.03 eV/Å未満になる）まで続けられました。

AIが発見したもの

AIの訓練が終わると、研究者たちはそれをテストしました。まず、既知の事実を再現できるかどうかを確認しました。AIは、非常に低温（0 K）において、実験では通常見られる単斜晶系のB19'構造ではなく、実際にはB33と呼ばれる斜方晶系の構造が最も安定していることを正しく特定しました。これは、なぜこの金属が単にB33の状態にとどまらないのかという従来の理論が苦戦してきた理由を説明するための、極めて重要なチェックでした。AIは、B19'構造はわずかに不安定であるものの、そのエネルギー差は温度に大きく依存することを裏付けました。

次に、チームは金属の変形について調べました。彼らは「積層欠陥エネルギー」、つまり、一つの原子層を別の層の上に滑らせるためにどれだけのエネルギーが必要かを示すマップを計算しました。そのマップは、驚くべき結果を示しました。金属は高度に異方的であり、つまり方向によって挙動が異なるということです。原子が滑るための「簡単な道」は、(001)面上の[100]方向に沿ったたった一つだけでした。他のすべての方向は、急な丘の上で岩を押し上げるようなものです。この唯一の容易な滑り経路こそが、金属が壊れることなく大規模な塑性変形を起こせる理由であり、著者らはこれを「キンキング（kinking）」と呼ばれる、キック（折れ目）が形成され材料内を移動するメカニズムに関連付けています。

温度のダンス

本当の魔法は、熱を加えた時に起こりました。AIを用いて、32,000個の原子を含む大規模なシステムに対して分子動力学シミュレーションを行い、温度を50 Kから700 Kへと上昇させながら、構造を自由に進化させました。このシミュレーションでは、原子が自由に動き、セル形状が変化することを許容しました。

彼らは、緩やかでスムーズな変態を観察しました。低温では、原子はB33基底状態に近い構造に落ち着きます。温度が上昇するにつれて、原子ブロックのせん断のような動きによって、構造はゆっくりとシフトしていきます。温度が450 Kから700 Kに達する頃には、構造は実験的に観察されているB19'形状へと進化し、単斜晶角は約97.8度になりました。

研究者たちは、この「自由な」進化を、構造の変化を単一の経路（角度の変化のみ）に強制する従来の方法と比較しました。自由に変形する原子は、強制された経路よりも低いエネルギー状態を見つけ出したため、自然界は自由を与えられたとき、最も効率的なルートを見出すことが示唆されました。シミュレーションは、B19'構造が熱振動によって安定化されることを示しました。金属が熱くなるにつれて、原子はB19'形状をより「快適」にするような形で振動するのです。

なぜこれが重要なのか

この研究は、単に古い理論を裏付けるだけではありません。原子の世界を見るための強力な新しいレンズを提供します。量子力学の精度と古典的なシミュレーションのスピードを組み合わせることで、著者らは、何十万もの原子をナノ秒の時間スケールで扱うことができるツールを作り上げました。これにより、材料の「制約のない」進化を観察することが可能になり、形状記憶効果の安定性が、結晶構造と熱の間の繊細なバランスの上に成り立っていることが明らかになりました。

この研究は、NiTi特有の延性が、単なる偶然の特性ではなく、材料が温まるにつれてアクセス可能になる、特定の低エネルギーの原子滑り経路の結果であることを示唆しています。現在のモデルは、欠陥のない理想的な結晶に限定されていますが、空孔や粒界といった現実世界の不完全性を含めた将来の研究への基礎を築いています。著者らは、訓練されたAIポテンシャルを公開しており、他の科学者がこの「水晶玉」を使用して、形状記憶合金の複雑で魅力的な世界を探索し、おそらく将来のより優れた材料を設計することを歓迎しています。