フリンダーズ大学とアラブ首長国連邦のカリファ大学の国際研究チームは、新しい半導体および電子材料の発見プロセスを劇的に短縮する機械学習プラットフォームを開発しました。このシステムは「賢明な材料発見エンジン」として機能し、数百万通りある可能性のある物質の組み合わせを一つずつ実験やシミュレーションで試す従来の非効率な方法を刷新します。研究の中心的な役割を果たした Vi-Khanh Truong 准教授は、同システムがガリウム系材料の化学的ルールを学習し、特定の電子特性を持つ新たな材料組成を予測すると説明しています。ガリウムはオーストラリアで採取される重要な鉱物の一つであり、マイ波回路や高速度スイッチング回路など幅広い電子機器に使用されていますが、その効率的な応用が半導体技術において注目されています。開発された AI は国際的なデータベースから数千の既知の半導体材料を学習し、ベイズ最適化という意思決定手法を用いて、化学的に不可能な組み合わせを避けつつ有望なガリウム含有材料を継続的に探索しました。このシステムは単にランダムな化学式を生成するのではなく、提案された材料が化学的に現実的かつ物理的に安定しているかを事前に確認するため、実験検証までの道のりを大幅に短縮し、試行錯誤による無駄な労力を大幅に削減します。その結果、既存のデータベースには存在しなかった複数の完全に新しいガリウム系半導体候補が生成されました。特に研究で焦点を当てた「バンドギャップ」という特性は、半導体が電気や光とどのように相互作用するかを決定する重要な要素です。太陽光発電には小さなバンドギャップが、LED や光学デバイスには中等度のバンドギャップが、高電力電子機器や耐放射線システムには大きなバンドギャップが必要であり、本研究はこれらの用途に応じて材料をターゲット化した発見を実現しました。この技術革新は、ウェアラブル端末、通信システム、スマートフォンのほか、医療機器、LED、太陽光パネルなどの次世代ハイテク製品の開発を加速させる可能性があります。