| Project/Area Number |
20H02436
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 26020:Inorganic materials and properties-related
|
|---|
| Research Institution | Nagoya Institute of Technology |
|---|
Principal Investigator |
Nakayama Masanobu 名古屋工業大学, 工学(系)研究科(研究院), 教授 (10401530)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥15,470,000 (Direct Cost: ¥11,900,000、Indirect Cost: ¥3,570,000)
Fiscal Year 2023: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2022: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2021: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2020: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
|
|---|
| Keywords | セラミックス / 材料インフォマティクス / 新組成 / 材料地図 / オートエンコーダー / 組成記述子 / 新材料創出 / 材料データベース / マテリアルズ・インフォマティクス / 組成 / 構造 / Liイオン導電性 / 材料シミュレーション / データサイエンス / セラミックス材料 / 新材料探索 / 組成・構造地図 |
|---|
| Outline of Research at the Start |
本研究では、情報学と材料学を連携させた「マテリアルズ・インフォマティクス」により、既存の無機固体材料データベースには登録されていない新材料を効率的に探索する方法論を開発する。このようなツールが完成すれば、全く新しく高機能な材料の発見を合理的かつ効率的に推進することができる。具体的には以下の２つのスキームの作成を目指す。
１） 組成の情報のみから無機固体材料の存在や機能を判定できるアルゴリズム作成
２） 材料機能と組成・結晶構造の関係を可視化する材料地図の製作
以上により多くの材料研究者が、いわゆる新種で優れた機能を併せ持つ材料を「材料地図」
を眺めながら直感的に探索し発見に結びつけることができる。
|
| Outline of Final Research Achievements |
Recent data science aided approach enables materials property predictions. However, structural descriptors are often included for above prediction procedure, which inevitably limits the search for new materials to existing databases. This study aims to discover new materials not listed in existing databases by developing two data science-based methodologies: (1) a scheme for evaluating the potential for material synthesis using machine learning predictions based only on composition information, and (2) a scheme for creating a materials map using deep learning to visualize composition and structural information in two dimensions (latitude and longitude).
|
| Academic Significance and Societal Importance of the Research Achievements |
無機化合物のうち三元系では, 16%のみが発見されている状態であり, 4元系では0. 6%しか調査されていないことが推定されており、 未知材料（結晶構造データベースに未掲載）の探索空間は膨大である. このような新しい材料には、既存の物性限界を突破し、新しいデバイスの創出などが期待される。しかしながら, 新しい結晶性材料の探索, すなわち物質が合成可能かどうかの探索は, これまでのところ研究者の経験・知識に基づく直感や単純な理論に頼ってきた. 本研究成果によって、研究者と連携して系統的・効率的に新しい材料組成を提案をすることが可能になり、新材料探索の効率化が期待される。
|
