日本东北大学、新日铁住金公司、高能加速器研究机构（KEK）对于金属氧化物化学状态不均匀变化现象，在世界上首次开发出使用X射线光谱等光源的X射线显微法进行观察，同时利用应用数学中的持续同调（Persist ent Homol ogy）理论进行分析，从而锁定导致材料整体劣化的金属氧化物不均匀变化反应起点的研究方法。这是一种关注不均匀的“形态”的新探讨，可作为利用机械学习和人工智能（AI）的材料开发的方法之一，无需依赖经验及预备知识。

对被观察到的不均匀变化发生原因进行细致调查是传统的研究方法。而本方法则不同，着眼于不均匀的“形态”本身包含的各种反应机理，从微观视角的“形态”，发现材料的缺陷。形象地说，本方法就像是从构成土壤、草地和树木的组织中找出表征整个森林的因素的一个新视角。不仅如此，此方法不需要有关对象物质的知识、经验等，而可以从先进的测量方法得到的大量数据中容易地获得材料宏观特性的支配因素。

此方法可应用于各种反应或领域，期待成为利用机械学习及人工智能方法的材料开发中不可缺少的一种研究方法。

1背景和本研究方法的独特之处

材料的不均匀性不仅决定制成品的特性，很大程度上还可影响在实际环境中应用时的寿命和可靠性。例如，破坏、劣化、腐蚀等现象均是由最薄弱的部位确定材料整体的特性。为了把握材料情况，不仅需要测定总体的平均值，还需要测定微观的不均匀性，此类信息对于实现材料革新十分重要。近年来，采用了各种测量方法，获得的信息日益高度化，其中具有代表性的例子为显微法。

在传统的材料研究中，将前人构筑起来的研究理论和自身经验、知识进行汇总，对用显微法观察的不均匀性的原因进行了细致的调查。因此，可以想见的机理已基本上停留在以往的知识经验范围内（图1中的传统研究方法）。另外，由于实验数据种类和数量庞大，已经超过了单纯由人类判断的极限。

因此，决定开展能最大限度利用庞大数据，从全新视角分析材料缺陷机理的研究工作（图1中的新研究方法）。这就需要采用机械学习、AI等客观且高速的数据分析。但是，机械学习、AI并非可以自动从庞大数据中找到问题的魔法棒，而需要准确给出描述与宏观属性相关联的材料指标。

研究团队着眼于用显微法观察不均匀性的“形态”。作为以微观视角正确读取“形态”，提取所包含的信息的方法，采用了应用数学中的持续同调理论。最终成功将不均匀性的“形态”特征数值化，提取了包含的信息（材料整体破坏产生的起点）。

2新方法应用实例

在炼铁厂高炉中，将含铁原料，如烧结矿，在一氧化碳气体中还原，获取生铁。在工艺中，对于机械强度的降低，如裂纹等的控制是一个重要课题。研究团队确立了采用X射线显微法，对材料中因化学

反应导致的不均匀状态进行三维观察的技术。取出还原反应过程中的烧结矿，观察铁原子价数及其相邻的原子数和距离如何变化。明确了主要是三种化学状态（图2中的红、蓝、白区域）复杂且不均匀地相互混合，同时反应进程继续。图2中，进行XAFS测定的同时扫描试样，可描绘出材料微小部位的化学状态，红色区域是未进行还原反应的区域，蓝色区域是进行还原反应的区域。

在锁定裂纹发生原因时，需要从X射线显微法得到的不均匀程度的数据中，获知哪个部位是发生起点。研究团队不仅着眼于伴随着还原反应的化学状态的变化，还设想能否通过关注其不均匀程度的“形态”的变化，探明劣化本质。同时，将烧结矿中存在的两个相（氧化铁、钙-铁系氧化物）看作由单元组成的物体，用持

续同调理论分析与反应同时发生的形状、大小、分布等如何变化，如图3所示。

成功对“形态”的变化进行了量化分析，并在原始数据上描绘出与“形态”——劣化起点的对应位置（图4）。在劣化起点形成具有特征的“形态”，可以用传统的知识进行合理说明。此外，若将劣化起点作为“形态”，发现了两种“沙漏形的钙铁氧体相”与两种“小的岛形氧化铁”，共计四种类型。其中，岛形是预想以外的形态，因此确认此方法有利于获得超越常规的认知。

基于上述认知，如果能尽量减少或分散使材料强度下降的具有“形态”的组织，将有可能改善材料性能。

3本研究的意义和今后的发展前景

当测量技术进步导致实验数据庞大时，如果判断局限于常规思维，则有可能导致丧失发现新机理的机会。本研究可弥补人类思维，从庞大的数据中找出材料特性的支配因素，是一种具有划时代意义的研究方法。不仅是金属氧化物的机械强度，还可以在有关催化剂、电池等不均匀性对性能有较大影响的材料评价中开展应用。

随着当今社会机械学习、AI应用的不断扩大，这种技术即将改变材料开发的方式。作为利用新技术的新研究方法，本研究中将“用显微法进行的不均匀性观察”和“利用持续同调理论进行的形态分析”进行融合，这一点十分重要。在传统的材料科学知识基础上，拥有“形态”这一视角，或许能为当代材料开发提供一个新的转机。（子君）