4 分で読了
1 views

FeSeの内部欠陥状態の走査トンネル顕微鏡による研究

(The study of intrinsic defect state of FeSe with scanning tunneling microscopy)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、今回の論文って簡単に言うと何を見つけたんですか。うちの設備投資に結びつく話なのか心配でして。

AIメンター拓海

素晴らしい着眼点ですね!この研究は、鉄セレン化合物 FeSe に本来ある『原子レベルの欠陥』がどのように電子状態に影響するかを顕微鏡で詳しくマッピングした研究ですよ。結論を三つにまとめると、1) 欠陥には種類があり、2) それぞれ電子の局所状態を変えること、3) 別手法でも同じ欠陥が確認できた、です。一緒に見ていけば必ず理解できますよ。

田中専務

用語で引っかかるのですが、ST MとかADF-STEMって何ですか。機械を入れ替える必要がありますか。

AIメンター拓海

いい質問です!STMはScanning Tunneling Microscopy(走査トンネル顕微鏡)で、原子レベルで表面の電子の分布を読む装置です。ADF-STEMはAnnular Dark-Field Scanning Transmission Electron Microscopy(環状暗視野走査透過電子顕微鏡)で、元素の重さで像の明るさが変わるため原子の種類を推定できます。設備投資の観点では、社内で新規導入するよりは、共同研究や解析委託で十分に価値が得られる可能性が高いです。

田中専務

これって要するに、原子の抜けや入れ替わりが電子の性質に影響して、それを詳しく図にしたということですか。

AIメンター拓海

その通りです!要点を三つにすると、1) 欠陥は複数種類に分類でき、2) 各欠陥が局所的な電子状態(局所密度状態:local density of states)を変えるため材料特性に直結し、3) STM と ADF-STEM の両面から裏取りができている、です。安心してください、一緒に整理すれば導入判断ができますよ。

田中専務

実務としては、欠陥を制御することで性能が上がるということですか。それとも欠陥を避ける方向がいいですか。

AIメンター拓海

どちらも戦略としてあり得ます。ビジネスの比喩で言えば、欠陥は『バグ』でもあり『機会』でもあります。欠陥を減らし安定性を取るのがリスク回避、欠陥を意図的に導入して機能を作るのが差別化施策です。コスト対効果を考えるなら、まずは小規模な解析投資で欠陥の種類とその電子的影響を評価し、その結果で量産工程を設計するのが現実的です。

田中専務

解析を外注すると費用が読めません。最短で何をすれば投資判断できますか。

AIメンター拓海

大丈夫、要点を三つに整理しますよ。1) まずは既存サンプルでST Mデータを一式取得して欠陥の種類と頻度を見ます。2) 次に1サンプル分のADF-STEMで原子種の検証を行います。3) その結果を経営会議にまとめて、費用対効果を示して意思決定します。これなら初期投資は抑えられますよ。

田中専務

分かりました。自分の言葉で確認しますと、原子の抜けや入り込みが材料の電子特性に影響するので、まずは顕微鏡で欠陥の種類と頻度を安く確認し、それを基に工程改善か欠陥利用のどちらかを選ぶ、という流れでよろしいですね。

論文研究シリーズ
前の記事
自動急性虚血性脳卒中病変セグメンテーションのための半教師あり学習手法
(Automatic Acute Ischemic Stroke Lesion Segmentation Using Semi-Supervised Learning)
次の記事
プロジェクト概念設計段階における人工知能手法の比較
(Comparison of Artificial Intelligence Techniques for Project Conceptual Cost Prediction)
関連記事
GUIにおけるガウシアン報酬による位置特定(GUI Gaussian Grounding Rewards, GUI-G2) — Continuous Gaussian Rewards for GUI Grounding
Identification of Candidate Millisecond Pulsars from Fermi LAT Observations
(Fermi LAT観測からのミリ秒パルサ候補の同定)
自己注意に基づくトランスフォーマー
(Attention Is All You Need)
不確実性下で線形化を学習する
(Learning to Linearize Under Uncertainty)
MLRU++: Multiscale Lightweight Residual UNETR++ with Attention for Efficient 3D Medical Image Segmentation
(MLRU++:効率的な3D医用画像セグメンテーションのためのマルチスケール軽量残差UNETR++と注意機構)
合成表現による物体レベル検索
(Composed Object Retrieval: Object-level Retrieval via Composed Expressions)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む