由日本名古屋大学研究人员领导的一个团队成功地通过利用多晶材料的光学照片教授人工智能（AI）来预测晶体的取向。这一成果已发表在《APL机器学习》杂志上。

晶体是许多机器的重要组成部分。工业中常用的材料包括金属合金、陶瓷和半导体，其中都含有多晶组分。由于多晶体由许多晶体组成，其具有复杂的微观结构，其性质根据晶粒的取向有很大的变化。这对于太阳能电池、智能手机和计算机中使用的硅晶体尤为重要。

“为了获得在工业中能有效使用的多晶材料，需要对晶粒取向分布进行控制和测量。”Noritaka Usami教授说道，“然而，由于目前测量大面积样品所需设备昂贵且耗时，这一过程受到了阻碍。”

名古屋大学的研究小组由工学研究院的宇佐美教授（他）和信息科学研究院的工藤博明教授（他）组成，与理化学研究所合作，应用了一种机器学习模型来评估通过从不同方向照射多晶硅材料表面的照片。他们发现，AI成功预测了晶粒方位分布。

“在进行光学拍摄、机器学习模型训练和预测取向的过程中，这项测量所需时间约为1.5小时，远快于传统的技术，后者通常需要大约14小时。” Usami 说道，“它还使得对于以往无法通过传统方法进行测量的大面积材料的测量成为可能。”

Usami对团队技术在工业中的应用抱有很高的期望。他说：“这项技术将彻底改变材料开发。”这项研究是为了所有开发多晶材料的研究人员和工程师而进行的。通过机器学习，有可能制造一个多晶材料定向分析系统，将图像数据收集和晶体定向预测模型结合为一体。我们期待许多涉及多晶材料的公司能够安装这种设备。