最近の成果 - 高速搬送下の材料画像セグメンテーション
私たちのチームと上海大学材料基因工学研究院の楊炯教授の研究グループは、国際学術誌『Chemistry of Materials』(IF:9.872、中国科学院1区トップ)にオンラインで論文「Accelerating the Discovery of Cu−Sn−S Thermoelectric Compounds via High-Throughput Synthesis, Characterization, and Machine Learning-Assisted Image Analysis.」を発表しました。この学術誌は工学技術・材料科学を含む総合的な研究分野のトップレベルの学術誌の1つであり、JCRおよび中国科学院のSCI区分は1区トップに分類されています。この論文では上海大学が第一単位となっており、材料基因工学研究院の博士研究生の盛耀が第一著者、材料基因工学研究院の楊炯教授、奚晋揚教授、および計算機工学科の韓越興副教授が共同連絡著者となっています。
HTP(ハイスループット)手法は材料研究開発を促進する強力な手法となってきています。この研究では、HTP 合成と評価を組み合わせることにより、ML(機械学習)画像セグメンテーション手法の新たな熱電材料発見能力を示しています。まず、改善された拡散合成HTP手法により9種類の異なる原料比のシリンダー試料を調製しました。それぞれの原料比固定片に対してスキャニング電子顕微鏡で計測を行い、背散乱電子像を合計99枚撮影しました。99枚の背散乱電子像から異なる相を高速にセグメンテーションするために、2つのML画像セグメンテーション戦略を提案しました。分類精度0.9となり、大量の画像の自動分類に使用しました。第一の戦略より分離された2つの主要相のEDS評価結果から新しい化合物Cu7Sn3S10を発見し、zT値は0.6を超えました。監督戦略に対し、監督されていない戦略によりさらに未発見化合物Cu1.6Sを同定しました。この結果から、我々の研究はHTP合成から自動分析までを網羅した一例を示し、HTP評価と新規化合物同定の自動化分析を実現しました。