교토대학의 다니엘 팩우드 강사와 도쿄공업대학의 이치스기타로 교수는 기계 학습을 사용하여 금속 기판 상의 분자의 배열을 예측하는 가이드라인을 만드는 데 성공했다.
일렉트로닉스 디바이스의 더욱 소형화·고집적화가 요구되고 있는 가운데, 분자의 「자기 조직화」가 주목을 받고 있다.분자 자기 조직화란, 기판 상에 부착된 분자가 분자간 인력에 의해 서로 끌어당겨 집합하여, 미소한 구조(초분자 구조)를 자발적으로 형성하는 현상.나노 일렉트로닉스 개발을 향해, 미소한 전기 배선(나노 전선)이나, 전자 소자로서 이용 가능한 초분자 구조를 만들 때에 활용할 수 있을 가능성이 있어, 연구 활동이 활발해지고 있다.그러나, 분자를 원하는 구조에 자발적으로 집합시키기 위한 가이드라인이 존재하지 않고, 응용에의 전개가 좀처럼 진행되지 않았다.
본 연구에서는 수리과학·이론화학을 전문으로 하는 팩우드 강사가 재료과학을 전문으로 하는 잇스기 교수와 공동연구를 실시. "교사 없는 기계 학습"을 활용하여 기판 상의 분자를 원하는 대로 조립하기 위한 가이드라인을 만들었다.교사 없는 기계 학습이란, 다양한 대상물을 컴퓨터로 비교해, 그것들을 공통의 특징으로 분류하는 것.이번에는 분자의 화학적 특징과 그 분자의 집합 과정이 어떻게 관련되어 있는지를 학습하고 그 결과를 도식적으로 정리했다.그리고이 그림을 분석하여 가이드 라인을 안내했습니다.
이 가이드 라인은 전기 배선으로 사용할 수있는 선형 초분자 구조를 형성 할 때 어떤 분자를 사용할 수 있는지 예측할 수 있습니다.이 결과는 마이크로 디바이스에서 필요한 부품을 형성함으로써 나노 전자 개발을 가속화 할 것으로 기대된다.
