MITの博士課程学生ニナ・アンドレイェヴィッチと、ハーバード大学の博士課程学生である双子の姉妹ヨヴァナは、エネルギー効率の高い材料を試験する、より高速な手法を開発した。
この手法は分光法と機械学習技術を組み合わせ、物質に潜む新規で有用な特性を特定する。
トポロジカル材料を特定する現在の実験手法は、技術的に難しく精度も十分でないため、有望な候補を見落とす可能性がある。
建築家の家庭に生まれたニナ・アンドレイェヴィッチは、セルビアで子ども時代を過ごした頃、自宅やほかの建物の絵を描くのが好きだった。双子の姉妹もこの情熱を共有し、数学や科学にも関心を寄せていた。アンドレイェヴィッチによると、時がたつにつれ、こうした興味は家業と共通する面もある学術の道へと結びついていった。彼女はMITで材料科学・工学を専攻する博士課程学生だ。
「建築は創造性と技術の両方が求められる分野です。建物の大きさや家の各部屋の配置など、特定の機能に必要な特徴を最適化しようとします」と彼女は語る。機械学習における自身の仕事は建築家の仕事に似ていると、アンドレイェヴィッチは考えている。「私たちは何もない場所、つまりランダムなパラメーターを持つ数学モデルから始めます。そして、望む機能を備えるよう、このモデルを訓練するのが目標です。このモデルをニューラルネットワークと呼びます。」
アンドレイェヴィッチは、博士課程の指導教員であるミンダ・リーの指導を受けている。リーは原子力科学・工学部の助教だ。リーの量子計測グループで研究助手を務める彼女は、材料に新たな有用な特性がないか探るため、機械学習モデルを訓練している。研究室での研究成果は、次のような主要学術誌に掲載されている。Nature Communications、Advanced Science、Physical Review Letters、そしてNano Letters。
彼女のグループが特に関心を寄せる分野の一つが、トポロジカル材料だ。「これらの材料は物質の特異な相で、エネルギー損失なしに表面上で電子を運ぶことができます」と彼女は言う。「そのため、よりエネルギー効率の高い技術を実現するうえで、大きな関心を集めています。」
ハーバード大学で応用物理学の博士課程に在籍する姉妹のヨヴァナとともに、アンドレイェヴィッチは材料試料を調べてトポロジカルな特性の有無を予測する手法を開発した。この手法は、ほかの方法より高速で汎用性が高い。
最終的な目標が「性能を高め、省エネルギーを実現する技術を生み出すこと」なら、「まず、こうした用途に適した候補となる材料を知る必要があります。それを確かめるうえで、私たちの研究が役立ちます」と彼女は語る。
力を合わせて
この研究の種がまかれたのは、1年以上前のことだ。「姉妹で一緒にプロジェクトをできたらいいねといつも話していました。ミンダがトポロジカル材料の研究を提案してくれたとき、正式に共同研究にできると思いついたのです」とアンドレイェヴィッチは語る。姉妹は多くの学問的関心を共有しており、ほとんどの双子より似ていると彼女は言う。「双子であることは私の人生の大きな部分を占めています。私たちは一緒にうまく取り組み、理解できない分野では助け合っています。」
複数のプロジェクトを含むアンドレイェヴィッチの博士論文研究では、専門的な分光技術とデータ分析を用い、機械学習でそれを強化している。機械学習は、膨大なデータに含まれるパターンを、最も高スループットのコンピューターよりも効率的に見つけられる。
「私のすべてのプロジェクトを貫くのは、こうした特性評価ツールを使う際に理解を加速させたり深めたりし、従来型や近似的なモデルで得られるより有用な情報を引き出そうとする考えです」と彼女は言う。双子のトポロジカル材料研究は、その好例だ。
材料の新規で有用かもしれない特性を明らかにするには、原子や量子のスケールで材料を詳しく調べる必要がある。中性子や光子を用いる分光技術は、これまで特定されていなかった構造やダイナミクスを捉え、熱、電場や磁場、機械的応力が極微のレベルで材料にどう影響するかを明らかにするのに役立つ。材料がマクロなスケールとは異なる振る舞いをするこの領域を支配するのは、量子力学の法則だ。
トポロジカル材料を特定する現在の実験手法は、技術的に難しく精度も十分でないため、有望な候補を見落とす可能性がある。姉妹は、広く使われているX線吸収分光法（XAS）を、訓練済みのニューラルネットワークと組み合わせれば、こうした問題を避けられると考えた。XASでは、集束したX線ビームを物質に照射し、その幾何構造や電子構造を把握する。得られる放射線データは、試料となった材料に固有の特徴を示す。
「ほかの手法よりもはるかに利用しやすい測定である材料のXASシグネチャーから、トポロジーを特定できるニューラルネットワークを開発したいと考えました」とアンドレイェヴィッチは言う。「これにより、トポロジカル材料となる可能性のある、より幅広い種類の材料をスクリーニングできるようになることを期待しています。」
研究者たちは数カ月にわたり、2つのデータベースから得た情報をニューラルネットワークに入力した。一方には理論上トポロジカルと予測された材料が、もう一方には幅広い材料のX線吸収データが含まれていた。「適切に訓練すれば、このモデルは、これまで見たことのない新しいXASシグネチャーを読み取り、そのスペクトルを生み出した材料がトポロジカルかどうかを判定するツールになるはずです」とアンドレイェヴィッチは説明する。
研究チームの手法は有望な結果を示しており、すでにプレプリント「機械学習によるトポロジーのスペクトル指標」として発表されている。「機械学習プロジェクトで私がわくわくするのは、根底にあるパターンを見つけ、それを物理量で理解できることです」とアンドレイェヴィッチは語る。
材料研究へ進む
アンドレイェヴィッチが物質を間近で見る楽しさを初めて知ったのは、コーネル大学の1年生のときだった。ナノサイエンスとナノ工学の授業を受けた後、原子スケールで材料を画像化する研究グループに加わった。「私はとても視覚的な人間だと思います。それまで方程式や概念にすぎなかったものを目で見られるという考えに、本当にわくわくしました」と彼女は言う。「この経験を通じて、材料科学の分野にさらに引き寄せられました。」
アンドレイェヴィッチの博士課程での研究に欠かせない機械学習は、MITを離れた後の彼女の人生でも中心的な役割を担う。今冬に卒業すると、彼女は直ちにアルゴンヌ国立研究所に向かう。将来有望なキャリアの初期段階にある優れた博士課程の科学者や技術者に「国際的に」授与される、名誉あるマリア・ゲッパート・メイヤー・フェローシップを獲得したためだ。「量子材料に焦点を当て、物理学の知見を取り入れたニューラルネットワークの設計に取り組みます」と彼女は言う。
それは、長く離れたことのない姉妹との別れを意味する。「大きく変わるでしょう」とアンドレイェヴィッチは言う。だが、こうも付け加えた。「どれだけ離れていても、ヨヴァナと将来さらに共同研究ができればと思っています！」
