世界最高水準、省エネデバイス向けメタマテリアルの設計と実証に成功

そこで昨今、自然界に存在しない特性を有し電磁波を自在に操れる人工物質「メタマテリアル」によって、上記要求の実現をめざす研究が盛んに行われている。がしかし、従来のメタマテリアルの研究では、経験的に構造を選択して、その性能を評価するアプローチが多くとられていて、膨大な候補物質の中から最適な構造を得ることが困難だったという。

NIMSは、東京大学、新潟大学、理化学研究所と共同で、機械学習 (ベイズ最適化) と熱放射物性計算 (電磁波計算) を組み合わせて、世界最高クラスの狭帯域熱放射を実現する多層膜 (メタマテリアル) を最適設計し、これを実験にて実証することに成功。熱放射性能を最適にするメタマテリアル構造の設計手法を確立した。

研究グループは今回、作製が比較的容易なメタマテリアルである多層膜構造を対象とし、3種類の物質を18層重ねて配置する組み合わせの中から最適なものを探索。約80億通りにも上る候補構造の中から、熱放射性能を大幅に向上できる最適構造を探索したところ、半導体材料と誘電体が非周期的に並ぶような非直感的なナノ構造が得られたという。

さらにその最適メタマテリアル構造を実際に作製して熱放射スペクトルを計測し、従来材料で100超のQ値（スペクトル狭帯域化を示すパラメータ）実現が困難であったのに、この度見いだされたナノ構造のそれは200に迫っていて、大幅な狭帯域化を成し遂げていることを明白にした。今回の成果は、新しい熱放射メタマテリアルの開発において、機械学習が有用であることを示している。

無駄な熱エネルギーロスをなくし、所望の熱放射スペクトルを持つメタマテリアルが実現できることによって、高効率なエネルギー利用が可能となり、省エネルギー社会の実現へ貢献する。そのうえ、機械学習と熱放射物性計算を組み合わせてメタマテリアル構造を設計する手法は、対象を選ばず、様々なナノ構造設計に適用できるため、今後の材料開発における新たな手法として、その性能向上に貢献することが期待されるという。

共同研究は、東京大学大学院工学系研究科の塩見教授、新潟大学工学部の櫻井教授、東京大学新領域創成科学研究科の津田教授らのグループによって、NIMS情報統合型物質・材料研究拠点におけるJST採択事業「情報統合型物質・材料開発イニシアティブ (MI2I）」ならびに理化学研究所 革新知能統合研究センターにおける文部科学省AIPプロジェクトのもとで実施されたものであり、今回の成果は米国科学誌「ACS Central Science」電子版で速報された。