东京大学的目标是通过减少内部纳米结构来降低半导体材料的导热性，并通过结合了机器学习和材料学的材料信息学（MI）来设计，制造和评估最佳的纳米结构多层材料，从而成功地将导热性最小化，分子模拟。

在2017年，该研究小组开发了一种方法，可基于计算科学设计一种通过MI最小化或最大化导热率的最佳结构。然而，尚未通过实验证明，并且期望制备纳米级结构并基于性能测量实现最佳结构中国建材网cnprofit.com。

因此，该研究小组利用了一种能够在分子水平上调节两种晶格交替排列的超晶格结构的分子沉积膜沉积方法，以及一种能够在纳米级评估膜的导热性的测量方法，并实现了使导热系数最小的最佳非周期性超晶格结构。

通过最佳结构，传导热量的晶格振动（声子）的波干扰被最大化，并且热导率被严格地调节。

在本研究中，研究小组以半导体晶格结构为模型，验证了MI方法在设计，制造，评估以及阐明热导率调节机理方面的实用性。

将来，期望将MI方法应用于各种材料系统。还显示出非周期性结构的优化可以通过在接近室温的条件下完全控制声子的波特性来调节热导率。预计这将有助于声子工程学的发展，例如在热电转换设备，光学传感器和气体传感器中，在保持导电率和机械性能的同时，需要低导热率。