表面再構成インフォマティクスによる大規模周期構造の探索
| Project/Area Number |
20K15181
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 30010:Crystal engineering-related
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
草場 彰 九州大学, 応用力学研究所, 助教 (70868926)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2020: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | 窒化物半導体 / 気相成長 / 表面再構成 / 第一原理計算 / ベイズ最適化 / 記述子 / 計算科学 / 結晶成長プロセス・インフォマティクス |
|---|
| Outline of Research at the Start |
結晶成長プロセス・インフォマティクスでは、[A. 成長条件] --(計算科学・その場計測)--> [B. 状態量] --(教師なし学習)--> [C. 特徴量] --(教師あり学習)--> [D. 結晶品質] というフローで、[D. 結晶品質] の精密な予測器を構築することで、最適な [A. 成長条件] の効率的探索を目指している。本研究課題では、大規模な表面構造の第一原理計算を行い、リアリスティックに表面再構成を同定する。その結果は、表面エネルギーや付着率などの重要な状態量に影響を与える。構造探索には、結晶界面マテリアルズ・インフォマティクスで実績のあるベイズ的機械学習アプローチを適用する。
|
| Outline of Annual Research Achievements |
気相成長シミュレータを機械学習のアプローチで高精度化する技術について研究を進めている。結晶の表面は気相成長の舞台であるため、原子レベルでの表面構造をできるだけ正確に模擬する必要がある。高並列化に適した第一原理計算コードRSDFTとベイズ最適化ライブラリをスパコン上で組み合わせて、昨年度からGaN(0001)有機金属気相成長におけるGaとHの混合吸着構造を6×6の表面周期で探索してきた。本年度はさらに探索の試行回数を増やし、得られたデータの解析を進めた。その結果、エレクトロン・カウンティング（EC）則を局所的に厳密に満たす安定構造は、昨年度に発見された吸着配置以外にも多数見つかった。さらに、１つの吸着配置に対して、局所EC則の満足の仕方が複数パターンある構造が存在することが分かってきた。この解釈数と安定性の相関についても解析を進めた。一方で、それらと同程度に安定であるにもかかわらず、局所EC則を満たさない吸着配置も多数存在した。以上の解析結果から、(不完全な満足) * (解釈数)によっても、局所EC則の厳密な満足と同程度に安定化するのではないかという仮説が得られた。この仮説に基づき、十分に定量的なデータ駆動モデルを構築することができた。これは、初年度の報告で今後の課題としていた「表面組成・吸着量の変化に対する予測精度を超えて、吸着サイト間の相互作用の精度での安定性予測を可能にする記述子の開発」に相当する。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
上述のデータ駆動モデルによって、当初目標であったベイズ最適化による構造探索の域を超えて、全候補構造の評価が可能になりつつあるため。
|
| Strategy for Future Research Activity |
現在ターゲットとしているMOVPE環境下GaN(0001)表面の系（ある表面組成、Ga吸着パターン）では、探索範囲を制限して約49万通りを考えていたが、今後は構造制約を外して約469万通りの全候補構造の評価を上述のデータ駆動モデルで行い、モデルの予測性能を調べていく。さらに、他のGa吸着パターンについて汎化性能を調べ、真に最安定な構造の同定が可能か検討する。さらに、温度依存性やエントロピー効果の考慮を検討していく。
また、上述のデータ駆動モデルは、GaN(0001)表面でのGaとH混合吸着状態に対するものであり、一般の表面吸着構造に対してはベイズ最適化が依然として最も有効な手段のひとつであるので、より効率的な探索を可能にするカーネル設計等を検討していく。
|
Report
(3 results)
Research Products
(12 results)
