Machine Learning Guided CALPHAD Design of Ru-Stabilized BCC B2 Refractory Alloys

ジェットエンジンやロケットノズルの猛烈な熱に耐えうる金属は、材料エンジニアが作り上げなければならない最も過酷な材料の一つです。数十年にわたり、この高温の世界のチャンピオンであり続けてきたのは、ニッケルベースの超合金です。これらの材料は、巧妙な内部構造に依存しています。すなわち、柔らかく柔軟な金属マトリックスの中に、異なる結晶構造を持つ小さな秩序ある「島」が散らばっているという構造です。この配置により、温度が急上昇しても、金属は脆くなることなく強度を維持することができます。しかし、ニッケル合金には限界があります。温度がある一定の点を超えると、これらの秩序ある島が構造を失い、材料が破綻してしまうのです。この限界を押し広げるために、科学者たちは、ニッケルが単に溶けてしまうような環境でも生存できる、極めて高い融点を持つ元素であるリフラクトリーメタル（難溶性金属）――ニオブ、タンタル、モリブデンなど――に注目しています。目標は、ニッケルの成功した構造を模倣しつつ、ニッケルでは太刀打ちできない環境でも生き残れる次世代の合金を構築することです。

課題は、正しいレシピを見つけることにあります。ベースとなる金属が安定した柔軟な構造を形成することは分かっていますが、強化用の島を作るために必要な特定の成分を加えることは、複雑なバランス調整を伴います。間違った元素を加えると、望ましい強化相ではなく、脆くて役に立たない化合物が形成されたり、あるいは早期に溶け出したりする可能性があります。長年、研究者たちは、こうしたレシピを見つけるために試行錯誤や、一歩ずつ進める緩やかな計算に頼ってきました。カリフォルニアポリテクニック州立大学とメリマックカレッジの研究者であるネイサン・ピーターソン、アヴィク・マハタ、およびその共同研究者による新しい研究は、異なるアプローチを採用しました。彼らは強力なコンピュータシミュレーションと機械学習戦略を組み合わせ、膨大な可能性のある金属の組み合わせを探索し、1300度を大幅に超える高温下でも安定して強固であり続ける特定のタイプの合金を探索しました。

研究チームは、体心立方格子構造が柔軟なマトリックスとして機能し、それがB2と呼ばれる秩序相によって強化される設計に焦点を当てました。この秩序相を極限の熱に対して安定させるために、彼らは、他の組み合わせが失敗するような温度においてもこれらの構造を固定できる独自の能力を示してきた希少金属である、ルテニウムを利用しました。チームは、ニオブ、タンタル、モリブデン、バナジウム、ルテニウム、チタン、ジルコニウム、ハフニウム、アルミニウム、イットリウムを含む10元素のプールを探索することにしました。彼らは単にいくつかの推測をテストしただけではありません。数千もの潜在的なレシピを評価できるコンピュータシステムを使用しましたが、効率的に進める必要がありました。そこで、彼らは「ランダムフォレスト」アルゴリズムという、スマートなフィルターとして機能する機械学習モデルを採用しました。このモデルは、詳細な計算から得られた少数のデータから学習し、未テストの新しいレシピの挙動を予測することで、チームが最もコストと時間がかかる計算を、最も有望な候補者に集中できるようにしました。

研究は、500種類の異なる合金組成に対して詳細な平衡計算を実行することから始まりました。これらの計算は、1000度から2500度までの様々な温度における相（フェーズ）の状態をシミュレートしました。チームは、成功する合金に対して4つの厳格なルールを設定しました。第一に、マトリックスと強化用の島の二相構造が1300度以上で安定していなければなりません。第二に、その温度において合金が完全に固体であり、液体が形成されないことです。第三に、合金が「純粋」であること、つまり、材料の強度を損なうような脆い競合化合物を含まず、目的のマトリックス相と強化相のみを含んでいることです。第四に、効果的な補強を行うために、強化用の島が合金の一定の割合（15%から55%の間）を占めていることです。

テストされた500種類の合金のうち、これら4つの厳しい基準をすべて満たしたのはわずか100種類でした。この20%という成功率は、正しい元素の組み合わせを見つけることがいかに困難であるかを物語っています。勝者となったものの中で、研究者たちは、ルテニウム含有量を比較的低く（10%以下）抑えた19種類の合金を見つけ出しました。これは重要な発見です。なぜなら、以前の研究では、ルテニウム含有量が高い合金は製造中に亀裂が生じやすいことが示唆されていたからです。このグループの中で最も成功したレシピは、ニオブをベースとし、タンタルまたはモリブデンを混合し、ハフニウムによって安定化させたものでした。特筆すべき合金は、ニオブ、モリブデン、チタン、ルテニウム、ハフニウム、ジルコニウムで構成されており、驚異的な2250度までその二相構造を維持しました。また、彼らのコンピュータによる探索が実在する実行可能な材料を見つけ出せることを証明するため、過去の実験的研究によって特定されていた2つの特定の合金を再発見することでも、彼らの手法の妥当性を確認しました。

また、研究はどの元素が助けとなり、どの元素が妨げになるかについての明確なルールも明らかにしました。ルテニウムは、高温安定性の鍵であることが確認されました。ルテニウムの含有量を増やすと、合金の温度限界は約9〜10%まで上昇しますが、それ以上に加えてもほとんど恩恵はありませんでした。他の元素の中では、ハフニウムが安定性を維持する上で最も効果的であり、次いでジルコニウム、チタンの順でした。タンタルは融点を上げるのに役立ち、バナジウムは望ましくない脆い相が発生しないようにするために不可欠でした。逆に、アルミニウムやイットリウムを加えることは、ほとんどの場合において間違いであることも判明しました。これらの元素は、材料の完全性を破壊する競合する脆い相の形成を引き起こす傾向があります。特にアルミニウムの存在は、タンタルと組み合わさった際に、望ましくない化合物の形成を促す主要な要因となりました。

機械学習システムはこれらの有望な合金を特定することに成功しましたが、研究は、探索の初期段階におけるガイドの仕組みに欠陥があったことも明らかにしました。候補者をランク付けするために使用されたコンピュータモデルは、最善の既知の経路を活用することよりも、不確実な領域を探索することに偏りすぎていました。このバイアスにより、探索がアルミニウムやジルコニウムを含む合金へと逸れてしまいました。モデルはそれらを「興味深い」と判断しましたが、結果として厳格な純度テストに失敗しました。研究者たちは、予測における不確実性の重み付けの仕方が結果を歪め、システムがクリーンで安定した組成ではなく、複雑で乱雑な組成を追いかけるようにさせていたことに気づきました。この洞察は、得られた合金レシピ自体と同じくらい価値があります。なぜなら、将来の探索を改善するためのロードマップを提供してくれるからです。

本研究は、コンピュータモデルはこれらの金属の一般的な挙動を予測するには優れていたものの、最終的なスクリーニングプロセスにはより精密な精度が必要であると結論付けています。研究者たちは、単に安定した合金を見つけるだけでは不十分であり、材料は適切な相のバランスを持ち、特定の汚染物質を避ける必要があると強調しています。彼らは、異なる相における原子のサイズの不一致が、将来の研究においてより直接的に測定されるべき重要な要因であると特定しました。熱力学計算と機械学習を組み合わせることで、チームは難溶性合金の新たな領域を切り拓きました。彼らは、ハフニウムやルテニウムのような元素を慎重に選択し、アルミニウムやイットリウムを避けることで、次世代の航空宇宙エンジンという極限環境で稼働できる金属を設計できる可能性があることを示しました。この研究は、実験家たちがこれらの新しい材料を構築し、テストし始めるための強固な基礎を提供しており、過去のニッケルベースのチャンピオンを真に凌駕する合金の実現へと、この分野を近づけています。