機械誘起発光（ML）材料は機械的刺激下で機械エネルギーを光エネルギーに変換でき、応力センサーや発光デバイスなどの分野で重要な応用可能性を有している。しかしながら、ドーパントイオンの種類および濃度による発光性能の制御機構は複雑であり、長残光（LPL）は持続的な背景光ノイズを発生させ、動的応力信号の抽出を妨げ、材料性能のさらなる最適化を制限している。本稿は、タンタル酸リチウム（LiTaO₃）系の機械誘起発光材料に着目し、機械学習手法を用いたデータ駆動のドーピング最適化および機構研究を行った。正規化処理を導入した総合評価多項式モデルを構築し、基準系であるLiTaO₃:xTb³⁺がそれぞれ0.6％及び3％付近のドーピング濃度で最適な総合発光性能を獲得可能であり、さらに0.1％及び5％付近でそれぞれ最強のLPL抑制効果と最良のML強度を実現できると予測した。自動相関性決定（ARD）機構を組み込んだガウス過程回帰（GPR）モデルを用いた特徴分析により、機械誘起発光に最も影響を与える微視的特徴はドーパントイオン半径、格子歪み率、トラップ深さ及び欠陥濃度であることを明らかにした。これを基に、基準系に異なる共ドーパントイオンを導入した最適濃度及び対応性能をさらに予測し、La³⁺共ドーピングにより残光強度が56.02％低減し、Bi³⁺共ドーピングによりML強度が19.96％向上するとともに残光強度が55.20％低減され、ML性能及び総合発光性能が最適な共ドーピング組み合わせはそれぞれSm³⁺/Tm³⁺系及びPr³⁺/Yb³⁺系であった。最後に、記号回帰モデルを活用し、微視的特徴空間における最尤の機械誘起発光明示的代数式を導出し、高性能な総合発光材料の選別には、高い分極率かつ基質の置換サイトイオン半径差が大きいドーパントイオンの選択と、制御可能かつ強力な欠陥受容能を備えた基質の選択という2つの基準に従うべきことを示した。本研究は、機械誘起発光材料のデータ駆動型ドーピング設計と性能の精密制御に革新的な解決策を提供した。

機械誘起発光;共ドーピング;機械学習;LiTaO₃;ガウス過程回帰