日本AIST开发AI技术提高氮化硅断裂韧性

氮化硅具有高断裂韧性，被认为是一种很有前途的功率模块基板材料，其需求预计会增长。 日本产业技术综合研究所 (AIST) 的中部中心开发了一种技术，利用人工智能 (AI) 从结构图像中高精度预测氮化硅的断裂韧性。它加快了过去需要大量时间和专业知识的断裂韧性评估，并且更容易缩小最佳制造工艺的范围。

推动产品小型化、高效化的电源模块。 随着混合动力汽车 (HV) 和电动汽车 (EV) 的普及，电机驱动模块的重要性预计会增加。假设在恶劣和多样的环境中运行，断裂韧性的值对于汽车用氮化硅衬底尤为重要。然而，物理性能的评估依赖于工程师的经验并且需要花费大量时间。为了满足不断增长的需求并加速材料的开发，需要一种简单且高度准确的技术来预测断裂韧性。

氮化硅的微观结构图像包含颗粒形状、长度和分布等信息，并且已知与断裂韧性有关。AIST 中部中心开发的 AI 技术使用在图像识别领域表现出卓越性能的算法处理组织图像中包含的复杂信息，即使从少量数据也能高精度地预测断裂韧性。

通过学习氮化硅微观结构图像和断裂韧性的实验数据进行断裂韧性的回归预测和验证，与正常的 AI 学习相比，即使样本数量较少，也证实了较高的预测精度。"只需一张组织图像，它就可以在几秒钟内完成测量，"福岛综合材料研究部陶瓷微结构控制组的研究组组长说。

此外，研究团队成功地可视化了 AI 关注组织图像的哪一部分来预测断裂韧性。阐明了AI推导断裂韧性值过程的一部分，该过程曾是一个黑匣子。 在材料开发中使用人工智能的进展有望有助于提高生产率和质量控制，例如分拣有缺陷的产品。

利用这项技术，我们正在开发一种通过 AI 生成具有满足需求的断裂韧性的组织图像的技术。与工程师判断组织图像和开发材料相比，从人工智能再现的图像中提取待检查的制造过程条件是"逆向问题"的挑战。如果实现，将更容易缩小断裂韧性优异的结构，并有可能大大加速氮化硅材料的发展。