出版書誌データベース

　社会実装されている金属、セラミックス、半導体材料などの多くは多結晶であり、社会インフラとしての構造物、情報機器、太陽電池などに用いられ、私たちの生活を便利で快適なものにしている。多結晶は様々な方位やサイズをもつ多くの結晶粒と、隣接する結晶粒間の境界である粒界で構成される非常に複雑な組織構造をもつことが特徴である。多結晶組織の複雑さや粒界の多様性から体系化が困難であるため、従来にない優れた性能や機能を示す材料開発の指針となる学理の構築にはいたっていない。
　本書は、多結晶材料開発手法を革新する学理の構築を目指し、実験と理論・計算・データ科学を融合した「多結晶材料情報学」の開拓を進めた6年半にわたる研究プロジェクトの成果を、材料科学の教育・研究や実際のものづくり現場に広く届けたいという思いから企画された。本書は、新しい学問領域である「多結晶材料情報学」の教科書・専門書であり、多結晶材料情報学を支える結晶学と情報学の基礎、および多結晶シリコンをモデル材料にして創出された研究成果の紹介から構成される。
　本書で紹介する研究成果は、汎用性に優れ他材料に展開可能なものも多く、社会的課題を解決したり、産業競争力を強化したりするような革新的材料の創製や人材育成への貢献が期待される。

第1章　多結晶材料の基礎
　1.1 多結晶の構造特性
　　1.1 1 粒界の結晶学的性質と原子配列
　　1.1 2 結晶学的な粒界の分類
　　1.1 3 対応格子理論
　1.2 多結晶の材料特性
　　1.2 1 機械的特性
　　1.2 2 電気的特性
　　1.2 3 光学的特性　　
　　1.2 4 磁気的特性
　1.3 多結晶の評価・解析
　　1.3 1 マイクロ計測：多結晶組織の観察と評価
　　1.3 2 メゾ計測：粒界特性の観測と評価
　　1.3 3 ナノ計測：粒界構造の観測と評価　　
　　1.3 4 マルチスケール相関解析
　参考文献
第2章　情報学の基礎
　2.1 ニューラルネットワークの基本的な構成
　　2.1 1 神経細胞の機能
　　2.1 2 神経細胞のモデル
　2.2 対象のモデル化
　　2.2 1 物理現象のモデル化
　　2.2 2 ニューラルネットワークによるモデル化
　2.3 ニューラルネットワークの学習則
　　2.3 1 教師なし学習
　　2.3 2 教師あり学習
　　2.3 3 ネットワークの構造
　2.4 多層構造のニューラルネットワーク
　　2.4 1 単純パーセプトロン
　　2.4 2 多層パーセプトロン
　　2.4 3 オートエンコーダ
　2.5 重みの更新とベイズ推定
　参考文献
第3章　画像データ×機械学習で分かること
　3.1 蛍光画像から欠陥分布を3次元可視化
　　3.1 1 蛍光画像の収集と画像処理
　　3.1 2 転位クラスターの3次元構造の解析
　3.2 光学画像から結晶方位分布を予測
　　3.2 1 はじめに
　　3.2 2 表面の光学特性と結晶方位推定問題
　　3.2 3 装置の構成　　
　　3.2 4 機械学習モデルと学習データ
　3.3 光学画像を蛍光画像に変換
　　3.3 1 問題設定
　　3.3 2 Convolutional Neural Network による実現
　　3.3 3 ネットワークの重みによる光学画像と蛍光画像間の関係性の解釈　　
　　3.3 4 Generative Adversarial Networks による実現
　参考文献
第4章　結晶方位データ×理論計算で分かること
　4.1 核形成サイトを予測
　　4.1 1 はじめに
　　4.1 2 ボロノイ図による結晶粒分布の再現
　　4.1 3 核形成サイトの解析
　4.2 多結晶組織の発生関係を予測
　　4.2 1 はじめに
　　4.2 2 グラフネットワークによる多結晶組織の表現
　　4.2 3 双晶形成ネットワーク
　4.3 多結晶組織内の熱応力分布を予測
　　4.3 1 結晶粒界の抽出
　　4.3 2 組織構造に依存する弾性定数の同定
　　4.3 3 結晶成長時の荷重拘束条件の同定　　
　　4.3 4 熱応力の3 次元分布の同定
　参考文献
第5章　理論計算×機械学習で分かること
　5.1 背景
　5.2 方法
　　5.2 1 ANNポテンシャルの構成
　　5.2 2 学習・テストデータの作成
　　5.2 3 ANNポテンシャルの学習アルゴリズム　　
　　5.2 4 ANN分子シミュレーションへの統合と粒界構造の探索
　5.3 ANNポテンシャルによるシリコンおよびゲルマニウムの粒界構造の探索
　5.4 他物質への展開
　5.5 シリコンにおける点欠陥クラスターへの展開
　5.6 まとめ
　参考文献
第6章　実験×理論計算×機械学習で分かること
　6.1 粒界の電気的特性を予測
　　6.1 1 粒界再結合速度の定量法
　　6.1 2 機械学習による粒界再結合速度の予測
　　6.1 3 粒界構造と粒界の電気的特性との関係
　6.2 結晶欠陥の発生メカニズム
　　6.2 1 キャスト成長シリコンにおける転位クラスターの発生メカニズム
　　6.2 2 キャスト成長シリコンにおける不純物の粒界集積メカニズム
　　6.2 3 固液界面形状と粒界構造に依存した粒界の成長方向
　6.3 結晶成長装置のデザインとプロセス最適化
　　6.3 1 太陽電池用シリコン結晶成長の概要
　　6.3 2 結晶成長シミュレーションとその応用
　　6.3 3 機械学習を活用した結晶成長シーケンスの最適化
　　6.3 4 機械学習を活用した装置内センサ位置の最適化
　参考文献
あとがき
索引