All about Photonics

Science/Research 詳細

新しいアルゴリズムでLED材料予測が迅速に

brgoch-led-smaller

October, 29, 2018, Denver--ヒューストン大学の研究チームは、新しいマシンラーニングアルゴリズムを考案した。これは、PCを効率よく走らせ、LED照明に最も効率的な蛍光体となりそうなものを探すために、10万以上の化合物の特性を予測する。
 研究チームは、コンピュータで予測された、ナトリウム-バリウム-ホウ酸塩-化合物の1つを合成しテストした。さらに、それが95%の効率と非常に優れた温度安定性を示すと判断した。
 研究成果は、Nature Communicationsに発表された。
 研究チームは、マシンラーニングを使って、重要な属性を求めるために膨大な数の化合物を素早く走査した。これはに、デバイ温度や化学的適合性が含まれている。化学助教、Jakoah Brgochは、デバイ(Debye)温度が効率に関連していることを以前に実証している。
 LEDベースバルブは、少量の希土類元素、通常は、セラミックまたは酸化物ホスト内で置き換え、ユウロピウムかセリウムを使うことで機能する。2つの材料間の相互作用が性能を決める。論文は、ホスト材料の特性を迅速に予測することに焦点を当てた。
 Brgochによると、そのプロジェクトは、マシンラーニングが高性能材料の開発に価値をもたらす強力な証拠を示すものである。これは、従来試行錯誤と単純な経験則によって行われていた分野である。
 プロジェクトは、Peasonの結晶構造データベースから118287の見込のある無機経口化合物リストからスタートした。アルゴリズムは、それをわずか2000程度まで削った。さらに30秒で、約2ダースの有望な材料リストを作成した。
 Brgochによると、マシンラーニングの恩恵がなければ、そのプロセスは、数週間かかっていただろう。
 同氏のLabは、マシンラーニングと予測、合成を行う。アルゴリズムが推奨するナトリウム-バリウム-ホウ酸塩がよい候補であると認めた後、研究チームは化合物を作製した。
 それは安定しており、量子効率は95%出あったが、Brgochによると、出力される光は青すぎて、商用としては望ましくなかった。
 同氏によると、それは落胆するようになものではなかった。「われわれはマシンラーニングツールを使って、有用な波長で発光する発光体物質を見つけることができる。われわれの目標は、コストを下げながら、LED電球をより効率的にし、その色品質を改善することである」。
さらに重要なことは、マシンラーニングが新しい材料の発見プロセスを飛躍的に高速にできることを実証したことである。