注目機構を組み込んだ変分学習による、極めて硬い多成分バルク金属ガラスの物理に基づく発見

なぜより硬いガラス状金属が重要か

小さなセンサーから耐摩耗性を求められる機械部品まで、私たちが依存する多くの装置は表面の傷つきや変形の速さによって制約されます。金属ガラスと呼ばれる特殊な材料は非常に強く耐食性も高い場合がありますが、何千もの金属の組み合わせの中から最適な処方を見つけるのは時間と費用がかかります。本研究は、人工知能がその広大な探索空間をナビゲートして、安定であるだけでなく極めて硬い新しい金属ガラスを提案できることを示しています。

凍った液体のように振る舞う金属

金属ガラスは非常に速く冷却されることで、原子が通常の結晶に見られる規則的な配列を形成する時間を持たずに凍結した金属です。代わりに無秩序でガラス状の構造に固まります。結晶欠陥がほとんどないため非常に強い一方で、材料内部の微小領域であるせん断変換ゾーンが応力下での挙動を支配します。化学組成のわずかな調整がこれらのゾーンの活性化しやすさを大きく変え、それにより材料の硬さや軟らかさが劇的に変わります。各合金は多種類の元素を含みうるため、実験室で全ての組み合わせを試すことは事実上不可能です。

硬い合金のルールをニューラルネットに教える

この課題に取り組むため、著者らはVIBANNと名付けたAIフレームワークを構築しました。これは、バルク金属ガラスの組成、押し当て荷重、測定された硬度から成る精選されたデータベースから学習します。すべての成分を同等に扱う代わりに、モデルは注目（アテンション）機構を使って硬度に最も影響する元素により強く焦点を当てます。次に、この情報すべてを重要な物理因子を保持した低次元の「潜在空間」に圧縮します。この圧縮された地図により、モデルは既知の合金の硬度を予測するだけでなく、不確かさの推定を行いながら新しい組合せを統制して探索できます。

隠れた設計地図を航行する

学習された潜在空間では、類似した構造と硬度を持つ合金が集まってクラスタを形成し、地形のように滑らかな領域を作ります。研究者らはこの地形に統計モデルを適合させ、データが信頼でき化学的に妥当な領域を特定しました。次に二段階の探索を行いました。まずサンプリング段階で、高硬度かつ不確かさが低い方向に偏った多くの有望な候補点を潜在空間に提案します。次に洗練段階で、選ばれた点を勾配に基づく最適化で硬度が高くなる方向へ微調整します。各点は再び実際の合金組成へデコードされ、成分比が合計100パーセントになるなどの基本的な化学的制約を満たします。

コンピュータ提案から実際のロッドへ

AIはホウ素とニオブやタングステンのような耐火金属を豊富に含む、互いに関連した5つの合金処方を提案しました。研究チームはこれらの合金を溶解して吸引鋳造により厚さ2ミリメートルのロッドに成形し、X線および電子顕微鏡で完全に非晶質の金属ガラスを形成していることを確認しました。ビッカース微小硬度測定を複数の荷重範囲で行ったところ、5種とも非常に高い硬度を示し、ある組成では約2450 HVに達しました。これは一部のセラミックスに匹敵する値で、バルク金属ガラスとして報告されている中でも非常に高い部類に入ります。測定値は、圧痕周辺の盛り上がり（パイルアップ）に対する慎重な補正を含め、AIの予測に良く一致しました。

これらのガラスがなぜ耐性を持つのか

設計された合金が非常に硬い理由を明らかにするため、著者らは高エネルギーX線散乱と原子レベルシミュレーションを組み合わせました。最高性能を示す合金は共通していくつかの特徴を持っていることが分かりました：非常に高密度の原子充填、近接原子が多数存在するホウ素中心環境の高割合、五十二面体（イコサヘドラ）や他の緊密に詰まったクラスタに類似する局所モチーフ。これらの特徴により原子が移動する余地がほとんど残らず、せん断帯が荷重下で広がりにくくなります。密な充填を低下させる微妙な組成の変化は、全体の元素比が似て見えても、硬度を目に見えて低下させます。

材料探索におけるこの手法の変化

総じて、本研究は物理的知見を取り込み不確かさを意識したAIモデルが、単なる特性予測を越えて新材料を能動的に提案し検証できることを示しています。提案された合金が実験的に実現可能でバルク形状で完全にガラス状を維持し、卓越した硬度に達することを示すことで、注目ベースの変分学習が希薄で分散したデータをターゲットを絞った合金設計の実用的な地図に変え得ることを実証しています。

引用: Bajpai, A., Wang, J., Ratzker, B. et al. Attention-enhanced variational learning for physically informed discovery of exceptionally hard multicomponent bulk metallic glasses. Nat Commun 17, 4266 (2026). https://doi.org/10.1038/s41467-026-73008-0

キーワード: 金属ガラス, 合金設計, 機械学習, 材料探索, 硬度