Machine learning-enabled discovery of refractory high entropy alloys on curated data

あらゆるもの——車のエンジンから体内のインプラントに至るまで——に使われる材料が、絶えず再発明されている世界を想像してみてください。何十年もの間、科学者たちは多くの異なる元素を混ぜ合わせることで、「完璧な」金属を作り出そうとしてきました。自然が与えてくれたものよりも強く、軽く、あるいは耐熱性の高い組み合わせを見つけ出そうと試みてきたのです。この分野は「合金設計（アロイ・デザイン）」と呼ばれます。通常、エンジニアは主となる金属に、スープに塩をひとつまみ加えるように、他の要素を微量に混ぜ合わせます。しかし、「高エントロピー合金」と呼ばれるより新しく、より奔放なアイデアは、5種類以上の異なる金属を等量ずつ混ぜ合わせることを提案しています。それは、材料同士が分離することを拒む、混沌とした混雑したキッチンのようなものです。

目標は、これらの元素の混合物の中でも、特定のタイプである「リフラクトリー（難溶融性）高エントロピー合金」を見つけ出すことです。これらは究極の耐熱金属であり、ジェットエンジンの内部や原子炉内の灼熱の温度に耐え、溶けたり崩壊したりすることなく生存できるものです。しかし、正しいレシピを見つけることは非常に困難です。これらの元素を混ぜ合わせる方法は無数にあり、それはまるで、砂浜にある特定の砂粒を一つずつ拾い上げて探すようなものです。科学者たちはコンピュータ・シミュレーションや従来の経験則を用いてきましたが、金属は必ずしも数学の予測通りには動かないため、結果はしばブルに崩れることがよくありました。金属は滑らかな単一のブロック（これは良い状態）になることもあれば、混乱して異なる弱い塊に分裂してしまう（これは悪い状態）こともあります。ここで、この新しい研究の物語が始まります。ある科学者チームが、単に推測するだけでなく、過去の実験から厳選された歴史から学習することで、ついにこの「スーパーメタル混合物」のコードを解読しようと決意したのです。

---

AIシェフと金属のスープ

この研究において、四川大学およびその他の機関の研究者であるYonggang Yan氏とそのチームは、料理のミステリーを解こうとする探偵のように振る舞いました。彼らは、「リフラクトリー高エントロピー合金」をどのように調理すれば、バラバラで不揃いな塊（分離相）ではなく、単一の滑らかで固形なブロック（単相固溶体）になるのかを正確に突き止めたいと考えました。

これを行うために、彼らは単にデータをコンピュータに投げ込んだわけではありません。まず、彼らは「料理本」を整理する必要がありました。彼らは過去の学術論文から数百のレシピを集めましたが、それらの古いメモの多くが信頼できないものであることに気づきました。ある科学者は金属が滑らかだと主張しながら、実際にはデコボコであったり、どのように調理したかの時間を書き忘れていたりしたのです。そこで、チームは元のラボの報告書に立ち戻り、X線写真や顕微鏡画像を見て、すべての合金を再ラベル付けしました。彼らはこう問いかけました。「これは本当に滑らかなブロックなのか、それとも複数のものが混ざったものなのか？」最終的に、彼らは「滑らか」なカテゴリーと「デコボコ」なカテゴリーに注意深く分類された、675の合金からなる精選されたリストを手に入れました。

次に、彼らは機械学習モデル（一種のAI）に、材料を見て結果を予測する方法を教えました。しかし、彼らはAIに「この金属はどれくらい重いか？」といった基本的な事実を与えただけではありません。彼らは、これらの金属が混ざり合わないとき、特定の2つのグループに分かれるという巧妙な観察に基づいた、新しい方法で材料を記述する手法を編み出しました。例えば、タングステンやタンタルは互いに集まることを好みますが、チタンやジルコニウムは別のグループを好みます。AIは、金属が冷え固まる前に、これらの「派閥」を見抜くことを学習したのです。

大発見： 「酸化状態」の秘密

この物語で最もエキサイティングな部分は、なぜこれらの金属が時として混ざり合うことを拒むのかについて、AIが解き明かしたことです。長年、科学者たちは、原子内の電子の数（具体的には「価電子濃度（VEC）」と呼ばれるもの）を数えることが鍵であると考えてきました。それは、レシピにおいて重要なのは卵の総数だけだと考えているようなものです。

しかし、この論文は、それが物語のすべてではないことを示唆しています。AIは、「最も安定した酸化状態（MSO）」に基づく、より重要な新しいルールを発見しました。これは、金属の「性格」や、熱くなったときにどれくらいの数の友人と手を繋ぎたいか、と考えることができます。研究者たちは、もし異なる金属間のこの「親しみやすさ」の差が大きすぎる場合（具体的には、その差が15を超えている場合）、金属たちは嫉妬して、滑らかな混合物ではなく、秩序立った硬い構造（金属間化合物相）を形成してしまうことを発見しました。

これを証明するために、チームはスーパーコンピュータを使用して、量子レベルで原子をシミュレーションしました。彼らはクロムという金属に注目しました。従来の電子の数え方では、クロムは従兄弟であるタングステンやモリブデンと同じように見えました。しかし、新しい「MSO」ルールによれば、クロムは実際には全く異なっていました。クロムはより「共有結合的」であり、つまり、硬い構造の中に自分を閉じ込めてしまうような、タイトで特定の結合を作ることを好むのです。AIは正しかったのです。クロムは、慎重にバランスを取る必要がある「トラブルメーカー」なのです。

証明： 新しいレシピを調理する

チームはコンピュータの画面の中だけで終わりませんでした。彼らはAIのアドバイスに従い、実際にラボで10種類の新しい金属レシピを調理しました。彼らは、AIが滑らかで安定していると予測した合金と、AIがデコボコになると予測した合金を選び出しました。

金属を溶かし、冷却したとき、結果は見事に的中しました。

• AIが滑らかになると予測した合金（タングステン、モリブデン、タンタルの混合物など）は、完全に均一な単相の金属となりました。
• AIがデコボコになると予測した合金（クロムを含むものなど）は、予測通り、実際に異なる相へと分離しました。

この論文は、この「精選された」データと新しい「MSO」ルールを用いることで、以前よりもはるかに速く、正確に、これらの超強力で耐熱性のある金属を設計できることを結論づけています。それは、単に今どこにいるかを教えてくれるだけでなく、出発する前にどの道が通行止めになっているかさえ知っているGPSをようやく手に入れたようなものです。AIはまだすべての結果を完璧に予測できるわけではありませんが、高エントロピー合金の混沌とした世界をナビゲートするための強力な新しい地図を科学者に与えました。それは、宇宙旅行から医療用インプラントに至るまで、あらゆるものに対するより優れた材料の開発につながる可能性を秘めています。