研究者情报
研究者名
孫 一帆
研究者名
黒﨑 健
概要
京都大学复合原子力科学研究所 孫一帆 助教、黒﨑健 同教授、米国ノースウェスタン大学 Chris Wolverton 教授、Zhi Li 同研究員、大阪大学大学院工学研究科 大石佑治 教授、今村哲也 同修士課程学生（研究当時）らの研究グループは、データ解析と機械学習により、高性能な熱電材料では熱のほぼ半分を原子の振動が、残り半分を電気を運ぶ粒子が担っているという傾向を突き止めました。熱電材料は排熱を電気に変える省エネ技術ですが、有望な材料の絞り込みはこれまで膨大な試行錯誤に頼ってきました。本研究では、約7万件の実験データをAIに学習させることで、30年来、熱電材料分野の中核をなしてきた設計思想「フォノングラス?エレクトロンクリスタル」をデータで定量化することに成功しました。この配分と熱伝導率を予測する機械学習モデルを約10万種の化合物に適用して熱を伝えにくい2,522の候補材料を特定し、性能を高める元素選びの指針を示しました。本研究成果は、2026年7月15日にエルゼビア社が刊行する国際学術誌「Materials Today Physics」にオンライン掲載されました。
研究者のコメント
「约7万件のデータを一枚のグラフに描いたとき、惊くほどシンプルで美しいパターンが浮かび上がってきました。その一点一点は、世界中の研究者が积み重ねてきた実験の记録です。膨大なデータの中から知见をすくい上げるデータ解析の魅力を改めて実感した瞬间でした。今后も础滨とともにデータの探索を続け、先人たちが残した知恵を掘り起こし、新しい材料の开発につなげていきたいと考えています。」（孙一帆）
【顿翱滨】
【书誌情报】
Yifan Sun, Zhi Li, Tetsuya Imamura, Yuji Ohishi, Chris Wolverton, Ken Kurosaki (2026). Lattice-to-total thermal conductivity ratio: A phonon-glass electron-crystal descriptor for data-driven thermoelectric design. Materials Today Physics, 66, 102166.
