12月27日，日本產業(yè)技術綜合研究所（National Institute of Advanced Industrial Science and Technology，AIST）多材料研究部主任研究員古嶋亮一、主任研究員中島佑樹、研究組組長福島學、主任研究員周游，招聘研究員大司達樹、平尾喜代司組成的科研團隊成功建立了人工智能（AI）技術，利用所用原材料類型、成型方法和燒結條件等制造工藝信息來高精度預測氮化硅陶瓷燒結體的導熱率。
?
?
?
氮化硅陶瓷材料預計將用于安裝在下一代功率模塊中的絕緣散熱板，這些功率模塊可以高效地轉換和控制功率。用于絕緣散熱基板的氮化硅陶瓷要求具有高導熱率，其生產需要極其復雜和精密的工藝，甚至要考慮到原材料中所含最少量的雜質（0.01% 或更少）。由于制造條件的復雜性，預測所制造的氮化硅陶瓷的導熱率極其困難。
?
此次，產業(yè)技術研究院中部中心提供了氮化硅陶瓷制造中使用的原料粉末和添加劑粉末的種類和比例、燒結助劑的種類和用量、氮化條件、燒結條件等信息。結合該團隊多年來積累的相同材料熱導率的研究成果，開發(fā)了一種人工智能技術，可以根據(jù)該制造過程信息高精度預測熱導率。該技術的部分內容于2023年12月19日發(fā)表在《Ceramics International》雜志上。DOI：https://doi.org/10.1016/j.ceramint.2023.12.231
?
陶瓷材料中，導熱性能優(yōu)異的氮化鋁和機械性能優(yōu)異的氮化硅常用作絕緣散熱基板。在此過程中，AIST揭示了材料的斷裂韌性對絕緣散熱基板的壽命有重大影響，并一直致力于提高具有更好機械性能的氮化硅的導熱率。2011年，AIST開發(fā)了氮化硅陶瓷，其斷裂韌性是氮化鋁的三倍以上，并且具有當時世界上最高的導熱率，2021年還研究了陶瓷的介電擊穿強度，并在世界上首次證明即使是微米級的超薄基板也可以在下一代電動汽車的工作電壓下使用，2022年在世界上首次利用人工智能從組織圖像中準確預測氮化硅陶瓷斷裂韌性。在這項研究中，AIST的目標是利用 AIST 的先進技術和長期知識，創(chuàng)建能夠根據(jù)制造過程信息準確預測導熱率的 AI 技術。這減少了制作氮化硅燒結體原型和測量導熱率所需的勞動力和時間，從而可以加快材料開發(fā)速度。
?
氮化硅的導熱系數(shù)很大程度上受其復雜的微觀結構的影響，包括孔隙、晶界玻璃相、細小顆粒、生長的柱狀顆粒以及顆粒內部的雜質含量。另外，顯微組織和雜質含量由1）作為主要原料的氮化硅或硅粉的種類和含量決定；2)混合的多種燒結助劑的種類及其混合比例；3) 混合/成型條件；4）受制造工藝影響較大，氮化和燒結條件的組合有無數(shù)種。使用人工智能很難預測氮化硅的熱導率，因為這些制造工藝的微小差異可能會導致氮化硅的熱導率發(fā)生很大變化。
?
新開發(fā)的方法利用氮化硅陶瓷熱導率的研究成果，將無法用作解釋變量的變量納入進來，以準確預測熱導率，例如原材料的類型和燒結助劑等，并將其替換為與熱導率相關的特殊數(shù)字并讓人工智能學習。首先，分析了總共174個氮化硅燒結體的制造工藝數(shù)據(jù)，其中包括AIST制造的63個和各種論文中報道的111個，包括原料粉末條件、燒結助劑條件和氮化條件，構建了一個數(shù)據(jù)集結合了燒結條件和所得氮化硅燒結體的熱導率（44~156 W(mK)-1）的數(shù)值。使用 174 個數(shù)據(jù)集的部分數(shù)據(jù)，通過機器學習建立了熱導率的預測模型，并使用其余數(shù)據(jù)驗證了模型的預測準確性。
?
結果，當使用不包含AIST培育的燒結助劑知識的預測模型時，決定系數(shù)（R2）小于0.7，無法進行如此高精度的預測（圖1（a）） ），相比之下，當使用包含燒結助劑知識的預測模型時，R2超過0.8，預測精度得到提高（圖1（b））。通常情況下，需要數(shù)百到數(shù)千個樣本才能達到這種水平的預測精度，但通過結合 AIST 專家的知識，AI 可以用比平常少得多的樣本來預測熱導率。
?
?
圖1 熱導率測量值與預測值之間的關系
(a) 不了解燒結助劑 (b) 了解燒結助劑
?
研究團隊還分析了用于預測導熱系數(shù)的各個影響因素對提高導熱系數(shù)預測精度的重要性程度。因此，在包含燒結助劑知識的預測模型中，燒結時間是最重要的制造工藝因素，但燒結助劑和氮化時間的影響是類似水平下的第二個最重要的因素。這表明，雖然在確定氮化硅陶瓷的導熱率時，燒結條件是最重要的考慮因素，但燒結助劑的選擇也極其重要。
?
圖2 各個影響因素的重要性
?
通過將工藝條件輸入到新開發(fā)的AI中，可以在極短的時間（幾秒）內計算出特征值，而無需在各種工藝條件下進行實驗。此外，這種人工智能技術融合了與目標材料相關的研究成果，因此與傳統(tǒng)方法相比，創(chuàng)建預測模型所需的數(shù)據(jù)需要的實驗要少得多。通過應用該技術，可以在短時間內從輸入的制造工藝條件中搜索最佳條件，而無需進行傳統(tǒng)的假設檢驗型開發(fā)，這種開發(fā)需要花費幾個月的大量時間，可能加速陶瓷材料的發(fā)展。
長按識別二維碼關注公眾號，點擊下方菜單欄左側“微信群”，申請加入交流群。
