《日本产业技术综合研究所(AIST)领衔的研究小组利用大规模计算和原位测量高效地探索多维氯化铯》

  • 编译者: 张宇
  • 发布时间:2024-11-11
  • 近日,北海道大学工学部Akira Miura副教授和Seiji Tadanaga教授、Google DeepMind 的Akhol Muratasan博士和Ekin Dosh Kübeck博士、广岛大学高级科学与工程科学研究生院Chikako Moriyoshi教授、日本同步辐射研究中心的Shogo Kawaguchi、京都大学研究生院工学研究科的Hiroshi Kageyama教授和日本产业技术综合研究所(AIST)的首席研究员Tetsutora领导的一个研究小组提出了一种使用大规模第一性原理计算(基于量子力学基本原理的理论计算)和原位 X 射线衍射、中子衍射和电子衍射来探索新化合物的有效方法。

    近年来,大规模计算预测了大量稳定化合物的晶体结构,并提出了广泛的材料探索空间。

    然而,这些结构中的大多数尚未在实验室中成功合成,将计算科学和实验相结合的方法对于高效探索是必不可少的。在这项研究中,以作为半导体和荧光材料被广泛研究的多维氯化铯为对象,目的是发现基于的新化合物,研究人员通过大规模第一性原理计算、同步辐射 X 射线衍射筛选、中子衍射和电子显微镜结构分析等方式发现了三种新的氯化铯。该方法有望用于探索新型材料和高通量实验科学领域。

    未来超导体和下一代二次电池等创新技术研究所需的功能性材料将变得越来越重要,但由于其成分自由度高,寻找这类复杂的新材料变得极其困难。

    近年来,使用人工智能(AI)进行的大规模密度泛函理论(DFT)*1计算已经预测了数千种稳定的化合物组合,并提出了广泛的材料搜索空间。该研究小组认为,通过分析这些计算预测数据,可以在合成实验之前在计算机上合理地确定目标的优先级,并通过能够进行高速温度变化测量的“原位测量”方法来揭示合成过程中的相变,从而加速对新材料的探索进程。

    这项研究的目标是发现基于多维铯(元素符号为Cs)氯化物(氯元素符号为Cl)的新型化合物,该化合物作为半导体和荧光材料被广泛研究,推断其分子式为CsxAMCl 6(x = 2或3,A和M的不同金属),这是一种尚未被发现或报道过的化合物。

    首先,通过绝对零度*2下的第一原理计算对已知和未知化合物进行大规模稳定性评估,并结合晶体结构数据库和文献调查,创建了未报告或晶体结构未充分明确的化合物列表。

    这种方法可以大幅缩小潜在新型化合物的研究范围。

    其次,考虑到氯化物前驱体的稳定性和可用性,在高温下进行氯化物前驱体之间的固相反应。利用大型放射光设施SPring-8*3的BL13XU的放射光XRD可以进行高速温度变化测量,从而明确固相反应的过程。

    最后,假设A和M的点位被部分占据,通过X射线衍射和中子衍射、电子衍射进行解析,确定了Cs2LiCrCl6和Cs2LiRuCl6和Cs 2的新多晶型化合物*4,并成功发现LiIrCl6。

    本研究通过结合最前沿的计算科学和在大型设施中进行的合成及反应分析,提出了一个新的材料探索框架。这项研究不仅适用于氯化铯,还可以应用于其他材料系统,有望通过结合温度、压力、合成反应和材料特性等信息来加速对新材料的探索。

    这项研究得到了日本科学振兴会(Japan)(JP20KK0124)和日本科学技术振兴机构(JST)PRESTO(JPMJPR21Q8)科学研究补助金的部分支持。

    研究的成果已于2024年10月16日星期三发表在《Journal of the American Chemical Society》期刊中。

相关报告
  • 《日本产业技术综合研究所(AIST)开发了可以精确测量工业机械零件形状的新技术》

    • 编译者:张宇
    • 发布时间:2024-11-11
    • 近日,研究员渡边栗仁、研究组组长佐藤修、松崎和也、高级研究员宇岛麻理子、副研究部余一渡边司和日本产业技术综合研究所(AIST)名誉研究员 Toshiyuki Takatsuji 共同开发了一种可以精确测量工业机械零件弯曲形状参数的技术。 一些工业机械零件需要以微米级的精度进行加工。例如,在发电机和引擎中使用的涡轮叶片,如果存在制造误差,即使是与设计形状最微小的偏差,它不仅会影响发电效率和旋转效率,而且可能成为运行时故障的原因。 因此,需要使用三维坐标测量机(Coordinate Measuring Machine; CMM)精密评估成型零件的形状。然而,当使用接触式CMM测量具有毫米以下曲率半径的曲面形状时,由于使用半径约为 1 毫米的有限尺寸的探针球进行测量的缘故,可能会出现几微米的误差。 现在研究人员开发了一种技术,通过将图像处理中的噪声去除和用于表面粗糙度测量的形态学处理方法应用于接触式CMM测量,将测量的变异性降低到亚微米级。此外,我们将这项技术应用于涡轮叶片的断面形状测量,并证实了测量变异性的降低。预计这将提高工业机械零件形状评估的可靠性,并有助于保证零件加工质量的精度和安全性等。 一些工业机械零件的形状会影响工业机械的整体性能。特别是小型零件,往往需要以微米级的精度进行加工。例如,涡轮叶片不仅表面需要光滑,而且边缘的形状也会极大地影响通过涡轮机的气体流动。 如果与理想设计形状的偏差过大,气体的流动就会受到干扰,不仅会降低涡轮的发电效率和旋转效率,还可能引起叶片损坏等问题。因此,工业机械零件的形状评估对于保证以安全性为基础的工业机械性能至关重要。 对于工业机械零件的形状评估,通常使用CMM(坐标测量机)。特别是接触式CMM因其高精度和能够测量复杂形状而被广泛使用。然而,如果评估对象包含曲率半径较小的形状,传统方法可能会错误地估计接触式 CMM 的探针球半径校正方向,导致测量变异性达到几微米,从而得到与实际形状不符的测量结果。为了确保工业机械的安全性,必须评估加工精度是否满足要求。因此,由于测量值的变化,即使实际上是符合的形状也可能被评估为不符合,这可能会导致不必要的成本增加。 AIST一直致力于确保工业机械零件等三维形状测量的准确性,并已经开发了评估齿轮形状测量精度的方法和评估3D打印机成型精度的方法。此外,近年来,随随着汽车产业质量管理系统标准IATF16949的发布,对工业机械零件的质量要求变得越来越严格。因此,研究所扩大了测量对象,包括涡轮叶片等各种各样的工业机械零件,并一直在推进技术开发以提高形状测量的可靠性。 为了确保工业机械零件的加工精度,需要使用接触式 CMM 进行高精度地形状评估。 特别是曲率半径小的曲面形状变化很大,因此需要以密集的间隔进行测量。 在使用接触式CMM进行测量时,会获取探针球接触被测物时的中心位置。 在传统方法中,通过计算垂直于连接相邻探针球中心位置的直线或平面的方向来估计探针球半径需要校正的方向,并在该方向上进行探针半径校正。然而,由于接触式三坐标测量机的机械误差导致采集的探针球的中心位置包含亚微米级的噪声,相邻探针球中心位置构成的直线会倾斜,补偿探针半径的方向也会偏移,导致测量偏差可能会达到几微米。 此时,测量曲率半径为几毫米或更小的曲面形状的间隔越细密,相邻探针球中心位置形成的直线偏差就越大。 因此,AIST开发了一种方法,将图像处理和表面粗糙度测量中使用的形态学处理应用于接触式CMM的测量值,并修正探针半径。在形态学处理中,通过向图像数据中添加或删减某些特定形状(例如圆形),进行去除噪声或强调轮廓的处理。在本研究中,假设探针球是一个完美的圆,研究人员通过计算从探针球中心位置生成的与圆形形状相切的曲线来估计被测物体的形状。新方法与传统方法的不同之处在于,它消除了在探针球通过的区域内需要进行探针半径校正的步骤,从而减少了测量数据的误差。 此次开发的接触式 CMM 测量的探头半径校正方法,除了用于涡轮叶片之外,还可以用于工业机械部件的形状评估。为了实现更精确的零部件形状评估,研究人员将进一步拓展该项目的研究成果,假设探针球不是一个完美的圆,并将探针球的实际形状纳入计算中,以进一步提高弯曲形状的测量精度。 这项研究成果的详细说明已于2024年9月11日在《Precision Engineering》上在线发表。(DOI:10.1016/j.precisioneng.2024.09.009)
  • 《日本产业技术综合研究所(AIST)2024年新年问候》

    • 来源专题:计量基标准与精密测量
    • 编译者:李晓萌
    • 发布时间:2024-01-24
    • 新年快乐。今年也请多多关照。 感谢您平时对日本产业技术综合研究所(产总研)的活动的理解和协助。 2023年,以ChatGPT为代表的生成AI在世界上一下子蔓延开来,是世界为生成AI沸腾的一年。但是,在普及的同时,其风险也变得明显了。在国际性的规则整备之外又加上,透明性高放心能利用的AI技术的开发被期待。同时,对量子技术的关注也持续聚集着。为了尽快将隐藏着更新数字社会可能性的量子计算机实用化,全世界的开发竞争正在激化。围绕半导体的状况也在AI的急速普及和经济安全保障形势的背景下发生了很大的变化。不仅是海外企业的国内引进,下一代半导体的国产化的挑战也开始了。 产综研将这些Al、量子、半导体定位为基于国家战略的主要重点课题,通过设立新据点和与主要机构合作强化体制推进研究开发。2023年7月设立了“量子·AI融合技术商务开发全球研究中心(G-QuAT)”,10月设立了“尖端半导体研究中心”。2024年,产总研拥有的日本最大的AI学习用计算基础设施“ABCI”也将大幅扩张。另外,不仅仅是AI技术本身的高度化,还将其应用于所内其他领域的研究,推进飞跃性地提高效率的项目。今后,将进一步强化发挥综合研究所的优势的先驱性研究,以满足社会的期待。 研究成果的社会实施也迎来了新的局面。我们2023年成立了新法人“AIST Solutions股份有限公司”。强化了产综研的社会实施功能的AIST Solutions,现在在六个事业领域,推进着社会课题起点的事业构想和与企业的共同研究。2024年,在推进合作的大型化的同时,制作事业也将具体展开。其中,“ABCI”和用于掌握温室气体排放量的库存数据库“IDEA”等,将产综研拥有的优秀基础设施与AIST Solutions的营销力相结合,为创造新的商业价值做出贡献。同时,创立组织性地支援能期待大的增长的企业的认定制度「AISol启动」,开始对数家公司的支援。2024年也将致力于创造新的事业。 我们将构筑在日本不断产生创新的结构“国家创新体系”,2030年度以后自己成为核心作为将来的形象。创新的关键是多样性。而且,不仅要聚集各种各样的人才,还要充分考虑到公平性、包容性,多样性才能发挥其真正的价值。因此,今天将以前的人事部改组为“DEI人事部”。在这里,全研究领域的硕士型和女性研究职的采用,综合职等的经验者采用,并且工程专业人才的获得,到现在为止的产总研安排薄的层的扩充确保DEI。同时,也致力于每个人的表演的最大化。 产总研今年将迎来第5期的最后一年。今后,我们将使至今为止进行的各种各样的改革开花结果,实现构建国家创新生态系统原型的目标,进而朝着解决作为我们任务的社会课题和强化产业竞争力的方向前进。为了让今年成为产总研进一步成长的一年,全体职员都将竭尽全力。 最后,在祝愿大家身体健康、幸福的同时,衷心希望今年也能为产总研的活动提供支援和协助。