非晶質シリコンサブオキシドの局所構造と価数を予測する機械学習ベースのXANES解析

科学分野:

• 材料科学;計算化学;機械学習

背景:

• シリコンサブオキシド（SiO_x）は、組成に基づいて調整可能な特性を示すため、産業的に関連性があります。;SiO_xの原子構造と特性を正確に相関付けることは、従来の​​方法では困難です。;SiO_xの理解には、電子価数と局所原子構造の定量的な分析が必要です。

研究 の 目的:

• X線吸収微細構造（XANES）スペクトルからシリコン原子の価数状態とSi-O半径方向分布関数を予測する機械学習モデルを開発すること。;非晶質シリコンサブオキシド材料を特性評価するための、堅牢で実験的に実行可能なフレームワークを確立すること。

主な方法:

• 分子動力学シミュレーションを使用して9つの非晶質SiO_xネットワークを生成しました。;第一原理計算を使用してSi K端XANESスペクトルを計算しました。;生成されたXANESスペクトルデータセットで深層学習ニューラルネットワークをトレーニングしました。

主要な成果:

• 深層学習モデルは、XANESスペクトルから局所的なシリコンの価数状態とSi-O半径方向分布関数を正確に予測しました。;特定のスペクトル領域が、価数状態（近縁領域）および構造（高エネルギー）予測に重要であることが特定されました。;モデルは、組成平均スペクトルに対しても高い性能を維持し、堅牢性を示しました。

結論:

• 開発された機械学習アプローチにより、非晶質材料のXANESスペクトルから直接、電子的および構造的情報を抽出できます。;この方法は、複雑で多価の非晶質システムの分析における重大なボトルネックを克服します。;このフレームワークは、組成-構造-特性関係を定量的に特性評価することにより、SiO_xベースの機能性材料の加速開発を促進します。