2016 Fiscal Year Annual Research Report
Development of Materials Informatics to Predict Polarization at Oxide Hetero-Interfaces
| Project/Area Number |
15H03979
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
渡邉 孝信 早稲田大学, 理工学術院, 教授 (00367153)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 電子・電気材料 / 計算物理 / 表面・界面物性 / ナノ材料 |
|---|
| Outline of Annual Research Achievements |
本年度は、これまで計算で再現されていながらそのメカニズムが説明できなかったAl2O3/SiO2界面型の分極層形成メカニズムを特定することに成功した。Al2O3/SiO2界面では、酸素イオンが高密度側のAl2O3側から低密度側のSiO2側に移動して分極層が形成されるが、この偏移動の駆動力が酸素イオン芯間の反発相互作用であることを突き止めた。酸素イオン芯同士の反発ポテンシャルは酸素密度が高いほど大きくなり、急激に酸素イオン密度が変化する異種物質界面では反発力に不均衡が生じるため、酸素密度の低い側に酸素イオン偏移動することが判明した。これにより、正負両方向の分極層の起源が判明し、２年度目にして本研究の主要目的の一つが達成された。
また、理論的体系化が困難と予想される多元酸化物同士の界面分極について、階層型ニューラルネットワーク（NN）モデルを用いた発見的予測の可能性を検討した。Al、Mg、Sr、Tiの４種類の金属元素が混合した様々な組成の酸化物とSiO2の界面の分子動力学（MD）計算を行い、界面におけるイオンの偏移動によって生じたダイポールモーメントのデータを、４層構造のNNで学習させた。非常に単純なNNモデルにも関わらず、既知データの学習は問題なく行えた。しかし、未学習データについてはNNによる予測とMD計算の間には有意な相関がみられなかった。今後、学習データの増加、データを特徴づける適切な記述子について検討を進めていく。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
これまでメカニズムが説明できなかったAl2O3/SiO2界面型の分極層形成メカニズムを、本年度のに特定することに成功した。この成果は国際会議MNC2016でも高く評価され、本成果を口頭発表した修士課程学生がYoung Author's Awardを受賞した。これで正負両方向の分極層の起源が明らかとなり、２年度目にして本研究計画の主要目標の一つが達成されたことから、当初の計画以上に進展していると自己評価した。ニューラルネットによる多元酸化物系の機械学習も計画通り進んでいる。発見的予測までは至っていないものの、単純な階層構造ニューラルネットワークモデルで既知データの学習が可能であることが判明している。
|
| Strategy for Future Research Activity |
酸化物から窒化物に対象を拡げ、酸化物系で構築したモデルが窒化物系にどこまで適用できるか調査する。窒化物系については系統的な実験データが発表されていないため、今後本研究で窒化膜の堆積実験と電気特性評価を実施していく予定である。ニューラルネットを用いた機械学習については、発見的予測を目指す前にまず、組成比等、人間にとって当たり前の指標を機械が自発的に認識できるか否かを試していく。
|
