| 研究課題/領域番号 |
19H02553
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分28030:ナノ材料科学関連
|
|---|
| 研究機関 | 電気通信大学 |
|---|
研究代表者 |
仲谷 栄伸 電気通信大学, 大学院情報理工学研究科, 教授 (20207814)
|
|---|
| 研究分担者 |
田辺 賢士 豊田工業大学, 工学(系)研究科(研究院), 准教授 (00714859)
山田 啓介 岐阜大学, 工学部, 助教 (50721792)
河口 真志 東京大学, 大学院理学系研究科(理学部), 助教 (90792325)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
17,940千円 (直接経費: 13,800千円、間接経費: 4,140千円)
2021年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2020年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2019年度: 13,260千円 (直接経費: 10,200千円、間接経費: 3,060千円)
|
|---|
| キーワード | 機械学習 / 磁気パラメータ / マイクロマグネティックシミュレーション / ジャロシンスキー守谷交換定数 |
|---|
| 研究開始時の研究の概要 |
スピントロニクス分野では、物質の磁気パラメータの値を測定し、その値を基に研究開発が行われている。しかしその測定には、特殊な測定法が必要になる場合もあり、必ずしもすべてのパラメータが明らかな状態で研究が進められているわけではなく、そこに研究活動における大きなロスがある。
そこで申請者らはこの研究のロスを減らすために、人工知能を用いて磁気パラメータの簡便な推定法を確立する。
|
| 研究成果の概要 |
本研究は、機械学習を利用し、ナノ解像度の磁区画像から磁気パラメータの推定を行うものである。ジャロシンスキー・守谷定数や異方性分散は次世代磁気メモリーの開発において重要な磁気パラメータであるが、これらの値の測定は非常に困難であるため、簡易測定法の開発が必要であった。機械学習は画像データから値を推定する有効な手法であるが、学習用の画像テータとして、磁気パラメータの異なる磁区画像データが大量に必要となる。本研究ではマイクロマグ計算により教師用画像データを作成することで、この問題を解決した。作成したAIに実験磁区画像を推定させたところ、測定結果と整合する値を推定し、提案手法の有効性を示すことができた。
|
| 研究成果の学術的意義や社会的意義 |
本研究の学術的意義は、近年爆発的に発展した人工知能をスピントロニクス分野に取り込む点にある。特にランダム磁区画像データから、膜質パラメータを抽出した本研究成果により、分野内のすべての研究者が、磁区画像を測定するだけで膜質パラメータが得られる可能性を示せた。これはこれまで高額な装置や特殊な測定手法を用い、時間をかけて磁気パラメータの測定を行っていたのに対して、磁区画像をパソコンに取り込むだけで、一瞬で膜質パラメータが得られることを意味する。本研究成果は単に研究活動における無駄 を飛躍的に低減させることができるだけでなく、長い歴史を持つ磁性分野の中で画期的な研究スタイルの変革になり得る。
|
