主要成果
研究チームは、機械学習と第一原理計算を組み合わせた計算フレームワークを構築し、約280万件の無機秩序化合物を対象に電気伝導率のハイスループットスクリーニングを実施した。その結果、アルミニウムの伝導率（36.59 × 10^6 S/m）に匹敵する高い性能を持つ金属候補を複数特定した。特にLiBePt2などの化合物は、軽元素の価電子を利用して散乱の強いd状態をフェルミ準位以下に押し下げることで、優れた性能を達成できることが明らかになった。
技術・詳細
本フレームワークでは、密度汎関数理論（DFT）とボルツマン輸送方程式（BTE）を組み合わせ、反復的にBTEを解く手法（iBTE）を用いて信頼性の高いデータセットを生成している。計算コストを削減するため、MLを用いた多段階のワークフローを採用し、従来の超伝導研究で用いられていたエリアシュベルグパラメータ（λ）を記述子として組み込んだ。
予測精度の検証として、トップクラスの材料に対して完全な電子-フォノン結合計算を行い、既存の実験データと良好に一致することを確認した。計算された電気伝導率は、検討したシステムの大部分で相対誤差30%未満という高い再現性を実現している。一方で、銀（Ag）、金（Au）、銅（Cu）などの貴金属は、独自の電子構造と低い散乱率を持つため、依然としてその伝導率を上回ることは困難であるとの分析結果が出ている。
背景・業界の文脈
電気伝導率は、マイクロエレクトロニクスから送電、エネルギー貯蔵、量子技術に至るまで、金属材料の応用において極めて重要な特性である。従来、金属の伝導率計算にはDFTとボルツマン輸送理論が用いられてきたが、計算負荷が非常に高く、少数の材料への適用に限定されていた。また、Kubo公式に基づくより厳密な手法も存在するが、計算コストがさらに増大するため、広大な化学空間を探索するには不十分であった。
近年、Materials ProjectやAFLOWなどのデータベースにより数万件の材料特性がカタログ化されているが、電気伝導率のような輸送特性は計算の複雑さから、ハイスループットな枠組みでは十分に探索されていなかった。
今後の展望
本研究は、統計的学習（ML）と詳細な第一原理計算を組み合わせることで、材料探索の予測能力を大幅に向上させたことを実証した。これにより、膨大な実験的な合成や特性評価を行うことなく、特定の電子特性を持つ材料を合理的に設計することが可能になる。今後は、この計算フレームワークを通じて、次世代の高性能導電体の発見と実用化が加速することが期待される。
元記事: https://www.nature.com/articles/s41524-026-02370-w
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録（週刊・技術動向レポート）
ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます（各メール下部のリンクから）。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます
