Professor Junichiro Shiomi et al. från University of Tokyo syftade till att minska värmeledningsförmågan hos halvledarmaterial genom att minska den interna nanostrukturen. Forskarna minimerade framgångsrikt värmeledningsförmågan genom att designa, tillverka och utvärdera de optimala nanostruktur-flerskiktsmaterialen genom materialinformatik (MI), som kombinerar maskininlärning och molekylär simulering. Under 2017, denna forskargrupp utvecklade en metod för att designa en optimal struktur som minimerar eller maximerar värmeledningsförmåga via MI baserad på beräkningsvetenskap. Dock, det hade inte påvisats experimentellt, och förberedelse av strukturer i nanoskala och realisering av en optimal struktur baserad på fastighetsmätningar önskades.

Således, forskargruppen använde en filmdeponeringsmetod som kunde reglera, på molekylär nivå, en supergitterstruktur där två material omväxlande skiktades med flera nanometers tjocklek, och en mätmetod som kan bedöma värmeledningsförmågan hos en film i nanoskala, och insåg den optimala aperiodiska supergitterstrukturen som minimerar värmeledningsförmågan. Med den optimala strukturen, våginterferens av gittervibrationen (fonon) som leder värme maximerades, och värmeledningsförmågan var starkt reglerad.

I föreliggande studie, använder halvledargitterstrukturen som modell, forskargruppen verifierade användbarheten av MI-metoden i design, tillverkning, bedömning, och mekanism för reglering av värmeledningsförmåga. I framtiden, tillämpning av MI-metoden på olika materialsystem förväntas. Det visades också att optimering av den aperiodiska strukturen kan reglera värmeledningsförmågan genom att helt styra vågegenskapen hos ett fonon vid nära rumstemperatur. Detta förväntas bidra till utvecklingen inom fononteknik, till exempel inom termoelektriska omvandlingsanordningar, optiska sensorer, och gassensorer, där låg värmeledningsförmåga behövs med bibehållen elektrisk konduktivitet och mekaniska egenskaper.