ポイント
- 電子線に弱い材料も測定できる低電子線量の4D-STEMデータから、結晶の微細構造を自動解析するための機械学習法を開発しました。
- ノイズのない「お手本データ」を必要としない自己教師あり学習による雑音除去と、結晶の面内回転に影響されない教師なし解析を組み合わせ、専門家が時間をかけて行っていた解析を自動化しました。
- 高分子であるアイソタクチックポリスチレンの実測データで従来の解析結果を再現し、未解析だった微量な結晶成分も新たに検出しました。
4D-STEMは、電子線で試料上を走査して各位置の電子回折図形を取得し、材料内部の結晶の種類と向きを可視化できる測定法です。しかし電子線に弱い高分子材料では電子線量を下げる必要があり、回折図形を覆う多量のノイズが微細構造解析を困難にしていました。
東北大学 大学院情報科学研究科の上條 快 大学院生、同大学 未踏スケールデータアナリティクスセンター（同大学 情報科学研究科 兼任）の志賀 元紀 教授、同大学 多元物質科学研究所の狩野見 秀輔 助教、宮田 智衆 准教授、陣内 浩司 教授の研究グループは、自己教師あり深層学習による雑音除去（4D-SSD）と、結晶の面内回転に左右されない教師なし解析を組み合わせ、ノイズの多い4D-STEMデータから結晶の微細構造を自動解析する機械学習手法を開発しました。本成果は、電子線に弱い材料のナノ構造解析を正確かつ迅速に行う基盤技術であり、高分子をはじめ幅広い材料開発の加速に貢献すると期待されます。
本成果は、2026年10月3日（現地時間）付で、科学誌「npj Computational Materials」にオンライン掲載されました。
＜本研究を支援したJSTの制度＞
戦略的創造研究推進事業 CREST
国家戦略分野の若手研究者及び博士後期課程学生の育成事業（BOOST） 次世代AI人材育成プログラム（博士後期課程学生支援）
＜論文タイトル＞
- “Unsupervised machine learning for automated crystal orientation mapping on noisy 4D-STEM data”
- DOI：10.1038/s41524-026-02337-x
＜プレスリリース資料＞
- 本文 PDF（506KB）
※本件に関する問い合わせ先はプレスリリース資料（PDF）をご参照ください。