Clear Sky Science · ja

データ補強機械学習設計と新規Cu–Be合金の性能向上をもたらす四成分相乗機構

· 一覧に戻る

この新金属が重要な理由

ベリリウム–銅合金は、携帯電話、自動車、航空機、データセンターの内部で静かに働く実用素材であり、微小なばねやコネクタが中〜高温で電流を流しながら強度と信頼性を保つ必要がある場所で不可欠です。現在の標準的なCu–Be合金は、多量で高価かつ毒性のあるベリリウムを用いるか、あるいは強度や長期安定性を犠牲にすることが多い。本研究は、機械学習と高解像度顕微鏡を組み合わせ、強度を維持しつつ導電性が高く、使用中の力の漸減(応力緩和)に強い、より安価な新しいCu–Be合金を設計するものです。

Figure 1
Figure 1.

データでより良い合金を設計する

研究者たちはまず、既存の36種類のCu–Beベース合金のデータベースを構築し、引張強さ、電気伝導率、および数時間高温保持したときの応力緩和量を収集しました。実測データは限られ、特定の組成に偏っていたため、現実的なノイズや合成例を加えるデータ強化手法でギャップを埋めました。機械学習モデルは引張強度、伝導率、応力緩和耐性という三つの目標特性を同時に予測するよう訓練されました。拡張されたデータセットによりモデルの精度は高まり、数千もの合金組成をインシリコで探索することが可能になりました。

元素の適切な組み合わせを見つける

仮想探索は、中程度のベリリウム含有量(約1.5重量%)に少量のニッケルとマグネシウムを加えた有望な合金群を示しました。ニッケルとコバルトは有効に見えましたが、コバルトはコスト面から除外されました。モデルの指針に従い、チームはCu–1.47Beを中心に、0.62 wt% Niの有無と0.1–0.2 wt% Mgの違いを持つ四つの実験組成に注力しました。試験の結果、Ni添加は強度と応力緩和耐性を著しく向上させ、少量のMgがさらなる効果をもたらすことが示されました。最良候補であるCu–1.47Be–0.62Ni–0.1Mgは、引張強さ1350 MPaを達成しつつ、良好な電気伝導性(純銅比で約29%)と200 °Cで非常に低い応力緩和を示しました。

金属内部を観察する

なぜこの組成が優れているのかを理解するため、チームは多スケールで合金を観察しました。電子後方散乱回折(EBSD)は、Niと適量のMgが結晶粒を微細化し、大きな粒をはるかに小さく均一なものに分割することを示しました。透過電子顕微鏡(TEM)は、新合金が粒内に高密度のナノスケール析出物(BeとNiを含む微粒子)を形成し、粒界に沿った粗大で板状の粒子ではないことを明らかにしました。Mg無添加またはMgが多すぎる変種と比べて、最適な0.1% Mg合金は、熱および機械的負荷後に最も多くの細かい析出物を持ち、粒界が最も清浄でした。

Figure 2
Figure 2.

ニッケルとマグネシウムの協奏

詳細な原子探査測定と量子力学的計算は、四つの要素からなる「相乗効果」を明らかにしました。第一に、NiとMgが共に高温でのBeの銅中への溶解度を調整し、後に強化粒子を形成するために十分なBeが固溶したままになるようにします。第二に、Niは安定なNiBe粒子の形成を強く促し、これらは粒界ではなく粒内に現れる傾向があります。第三に、Mg原子は粒子–銅マトリクス界面や粒界へ移動し、空孔を占有してBeの拡散を遅らせます。この組み合わせは、Beが粒界に蓄積して脆い層状相を形成するのを防ぎ、代わりに粒内で均一なナノスケール析出を促進して転位の運動を効率的に阻害します。

実機器への意義

新合金を広く使われている市販グレードC17200と比較すると、強度は同等でありながら電気伝導率は26%向上し、200 °Cでの応力緩和耐性は53%改善、原材料コストは18%削減されました。著者らは設計原理を「四元相乗」戦略と要約しています:元素の溶解挙動を最適化し、二次相の形成場所を制御し、界面での溶質の偏析を管理し、粒界の過剰空孔を除去することです。エンジニアにとって、これは過酷な条件下でも強度、導電性、寸法安定性を保つ銅合金を設計するためのより明確な処方を意味し、次世代の電子機器や機械システムの長期的な信頼性向上に寄与します。

引用: Chen, W., Zheng, H., Jiang, Y. et al. Data-augmented machine learning design and performance-enhancing quaternary synergistic mechanism of novel Cu-Be alloy. npj Comput Mater 12, 128 (2026). https://doi.org/10.1038/s41524-026-02000-5

キーワード: ベリリウム銅合金, 機械学習による材料設計, ニッケル・マグネシウム微合金化, 応力緩和耐性, 高強度導電金属