機械学習モデルによる単層MoS₂のラマンと
フォトルミネッセンスの相関の解明

高輝度でチューナブルなフォトルミネッセンス（PL）※1を有する二次元遷移金属ダイカルコゲナイドは、発光ダイオード、光検出器、単一光子エミッタなどのオプトエレクトロニクスおよびフォトニクス分野の新たなアプリケーションをもたらした。二次元材料の標準的な特性評価ツールの中でも、ラマン分光法※2は、材料の結晶性やドーピング、ひずみなど物質の特性を高速かつ非破壊で解析できる優れた技術である。しかし、その非線形性の強さゆえに、単層MoS₂におけるPLスペクトルとラマンスペクトルとの相関を包括的に理解することは、依然として困難である。そこでルー氏は、PLの発光過程とラマン発光モードとの関連を系統的に調査探索し、PLとラマンの特性を関連付けることによって、物理的メカニズムについて包括的に考察した。また、機械学習モデルを複数のラマンスペクトルに適用し、ひずみとドーピングがもたらす効果をより深く解明した。まず、空間ラマン・マップ※3からPLマップを予測するためにDenseNet※4を導入し、さらに、SHAP※5を用いたXGBoost※6を適用して、個々のラマン特性がPL特性に与える影響を評価することによって、単層MoS₂におけるひずみとドーピングの関連を解明した。さらに同氏は、PL特性をラマン周波数に投影するために、SVM※7を導入した。本研究は、二次元材料の特性評価に機械学習を適用するために必要な手法を提供し、より高効率のPLを可能にする二次元半導体の作製と調整のための知見をもたらすことが期待されている。