ダニエル?パックウッド 物質－細胞統合システム拠点（iCeMS＝アイセムス）講師、パトリック?ハン 東北大学助教、一杉太郎 東京工業大学教授らの研究グループは、入力データから物理的現象を予測する新しい数理的フレームワークを構築することにより、「グラフェンナノリボン」という毛髪直径の100,000分の1ほどの微小な電線の形成過程を明らかにしました。機械学習と数理モデルを組み合わせた方法で、グラフェンナノリボンの形成過程に生じる分子配列の予測が可能になり、極微小エレクトロニクスへの道を拓くことが期待されます。
本研究成果は、2017年2月14日午後7時に英国のオンライン科学誌「Nature Communications」で公開されました。
研究者からのコメント
パックウッド讲师
今回の成果は、エレクトロニクス素子（电子回路）の高速化や低消费电力化につながり、今后、极微小电子デバイスの実现を通じて、人工知能やロボットへの贡献が期待できます。さらに、フレキシブルな（柔らかい）エレクトロニクスデバイスにもつながり、医疗など、さまざまな分野に応用されることが期待されます。
概要
グラフェンナノリボンは、平面状のグラフェン（炭素原子からなるシート状の材料）を细く切り出した线状のもので、その幅は炭素原子が数个から数十个并ぶ极微小细线です。このグラフェンナノリボンは、従来のエレクトロニクスで利用されているシリコンと比べて2,000倍以上の电気伝导性があり、微小な电気配线としての応用が期待されています。しかし、その长さや幅、あるいは、配线の端（エッジ）の形状を制御することが难しく、世界中で活発な研究が展开されています。グラフェンナノリボンは、金属表面上に吸着した分子が自発的に集合してできる锁に似た构造（锁构造）が、さらに化学変化を起こして生まれます。しかしこれまでは、それらの分子が自発的にどのように配列するのか、理论予测が困难でした。
そこで本研究グループは、金属表面上に吸着した分子の配列を予测する新しい数理的フレームワークを构筑しました。このフレームワークでは、分子间に起きる相互作用をデータベースから机械学习により学び、人工知能が适切な数理モデルを自动的に组み立てます。これにより、非常に高い确度で分子配列を予测し、グラフェンナノリボンの形成过程において、分子が锁构造を形成するメカニズムを解明することに成功しました。
図：グラフェンナノリボンとそのサイズの比较。茶色の球面は炭素原子、白い球面は水素原子（グラフェンナノリボンと分子はコンピューター生成イメージ）
详しい研究内容について
书誌情报
【顿翱滨】
【碍鲍搁贰狈础滨アクセス鲍搁尝】
Daniel M. Packwood, Patrick Han & Taro Hitosugi. (2017). Chemical and entropic control on the molecular self-assembly process. Nature Communications, 8:14463.
- 化学工業日報（2月16日 1面）に掲載されました。
