Utilization of machine learning for radiation graft polymerization and and construction of polymerization yield prediction model
Project/Area Number |
20K12488
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 80040:Quantum beam science-related
|
Research Institution | National Institutes for Quantum Science and Technology |
Principal Investigator |
植木 悠二 国立研究開発法人量子科学技術研究開発機構, 量子技術基盤研究部門 研究企画部, 上席研究員 (50446415)
|
Project Period (FY) |
2020-04-01 – 2024-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2020: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
Keywords | 量子ビーム / 放射線グラフト重合 / 機械学習 / 重合予測 / モデル式 |
Outline of Research at the Start |
高分子材料開発において、国際的に高い競争力を今後も牽引するためには、従前の「経験と勘」といった非効率的な手法を刷新し、開発期間の短縮化、開発費用の低コスト化と同時に社会的要請に対する高い即応力を併せ持つ合理的な材料創製手法の開発が急務である。本研究は、高分子改質手法である放射線グラフト重合技術に統計解析手法などの機械学習を融合することにより、基材や薬品の分子情報を基に重合収率を高精度に予測可能な解析手法を開発し、開発期間短縮とコスト削減に資する基盤技術の確立を目指す。
|
Outline of Annual Research Achievements |
本研究課題は、高分子改質手法である放射線グラフト重合技術に統計解析手法などの機械学習を融合することにより、基材や薬品の分子情報などを基に重合収率を予測可能な解析手法の開発を目的としている。前年度までの研究では、量子化学計算により導出したモノマーの物性情報を説明変数として用いた重合収率予測モデルの構築及び重合予測に成功し、放射線グラフト重合反応における機械学習利用の有用性を確認することができた。 本年度(R4年度)は、プロセスインフォマティクスにおける重合収率予測への応用展開を目指し、機械学習用データセットの構築を試みた。放射線グラフト重合反応におけるプロセス因子としては、照射線量、薬品濃度、溶媒種、固液比、溶存酸素濃度、重合温度等があり、各種因子を組み合わせたグラフト重合実験を実施し、目的変数であるグラフト重合収率を得た。
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
当初の実験計画に基づき、各種実験条件におけるグラフト重合収率を取得し、機械学習用データセットの構築を進めているものの、機械学習を実施するために十分な量の実験結果が得られていないため、研究はやや遅れていると判断される。
|
Strategy for Future Research Activity |
R4年度は、引き続きプロセスインフォマティクスに資するデータセットの構築として、各種因子を組み合わせたグラフト重合実験を進めるとともに、構築したデータセットを用いてグラフト重合条件を説明変数とする重合収率予測モデルの開発を試みる予定である。
|
Report
(3 results)
Research Products
(8 results)