公募研究
走査型透過型電子顕微鏡(STEM)を用いた電子線エネルギー損失分光(EELS)を用いることにより、物質の特性を支配する局所原子配列・電子状態)、すなわち機能コアを直接観測することが可能となる。一方で、測定で得られる多数のスペクトルに対して第一原理計算に基づく理論指紋照合法を適用するには膨大な時間を要する。本研究では機械学習を用いて、電子線エネルギー損失分光(EELS)スペクトルから、機能コア(物質の特性を支配する局所原子配列・電子状態)の情報を直接抽出することができる新しい解析手法を開発することを目的としている。2021年度においては、電子状態データベースMaterials Project に登録されている一電子近似に基づく10万以上の理論スペクトルデータをもとに、スペクトルから局所原子構造に関わる特徴量を予測する機械学習モデルの作成を行った。原子構造、電子配置、化学組成に関する特徴量を対象として、深層学習を用いた予測モデルを作成した。その結果、励起原子を中心とする動径分布関数およびOrbital-Field Matrix (OFM) を比較的高精度に予測することができるモデルの作成に成功した。動径分布関数は、励起中心原子と周辺の原子間の結合距離を反映する。また、OFMは励起中心原子と周辺原子の結合距離、結合角、配位子の電子配置を反映した多次元の特徴量である。これらの結果は、EELSスペクトルから局所原子配列の情報を抽出することが可能であることを示すものであり、本研究における重要な成果である。EELSスペクトルは、物理的には内殻空孔効果によって局在化した非占有軌道を反映したものであることから、励起原子近傍の局所原子構造を強く反映したものである。前述の機械学習を通して得られた知見は、EELSの物理的描像とも合致するものである。
令和3年度が最終年度であるため、記入しない。
すべて 2022 2021 その他
すべて 雑誌論文 (3件) (うち国際共著 1件、 査読あり 3件) 学会発表 (2件) (うち国際学会 1件、 招待講演 1件) 備考 (1件)
RSC Advance
巻: 12 ページ: 5094-5104
10.1039/d2ra00448h
Inorganic Chemistry
巻: 60 ページ: 7023-7030
10.1021/acs.inorgchem.0c03432
Journal of Electron Spectroscopy and Related Phenomena
巻: 249 ページ: 147061 (pp.23)
10.1016/j.elspec.2021.147061
http://mtr1.osakafu-u.ac.jp/cms/
