| Project/Area Number |
22KJ2768
|
|---|
| Project/Area Number (Other) |
21J21092 (2021-2022)
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Multi-year Fund (2023)
Single-year Grants (2021-2022) |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 34020:Analytical chemistry-related
|
|---|
| Research Institution | Chuo University |
|---|
Principal Investigator |
永井 優也 中央大学, 理工学研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2023-03-08 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥2,200,000 (Direct Cost: ¥2,200,000)
Fiscal Year 2023: ¥1,400,000 (Direct Cost: ¥1,400,000)
Fiscal Year 2022: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2021: ¥800,000 (Direct Cost: ¥800,000)
|
|---|
| Keywords | マテリアルズインフォマティクス / 機械学習 / 光半導体デバイス / 分析化学データ / 材料作製 / 分析データ |
|---|
| Outline of Research at the Start |
本研究の概要は、二酸化炭素を排出しないクリーンなエネルギー源である水素を得るための電池材料について、近年様々な分野で応用される人工知能（AI）を用いて、効率的に高性能な電池材料を作製する方法の開発することである。従来の材料開発では技術者や研究者の勘や経験、深い知識が不可欠であり、その過程で多くの費用や労力及び時間を要した。本研究では人工知能（AI）を用いることで、どの物質をどのくらいの量でどのような条件で化学反応させればよいかコンピューターに提示させることを目指す。これが実現できれば、人間は提示された条件に従って実験を行うことで、経験や知識に頼らずに高性能な電池材料を短期間で開発可能になる。
|
| Outline of Annual Research Achievements |
本研究は、水と太陽光から代替エネルギー源である水素を得ることのできるデバイスとして、近年注目されている光水分解電極について、得られる少数の実験データを基に電極性能に影響する要因を特定し、材料作製条件を最適化するデータ駆動的材料開発法を確立することを目的とする。
前年度までに、材料性能に寄与する要因を分析化学データから推定する機械学習法を開発し、さらにこれを改良することで、様々な電極材料やデータについて適用可能とした。その成果を論文にまとめ学会で発表した。本手法は材料について測定した分析化学データから抽出したピーク情報の中から、機械学習を用いることで事前情報なしで性能に寄与する情報を特定できる。ピークの抽出にあたり、フィルター処理やクラスタリング等の数理的なデータ処理手法を適切に組み合わせた。さらに、機械学習モデルの特徴量の目的変数への寄与を解釈するSHAP分析を適用して、材料性能に寄与する要因を明確にして可視化することが可能となった。
本年度は選択された性能に寄与する因子について考察したうえで、材料作製条件を制御することで性能の向上を行う手法の開発に取り組んだ。ここでは、ベイズ最適化による実験計画法を採用し、材料作製とデータ解析を逐次的に繰り返すことで、性能が最大となる実験条件を少数の実験回数での推定を試みた。本手法は機械学習により分析データと作製条件との間の関係を推定し、ベイズ最適化により次の段階で取り組むべき実験条件を決定する。このプロセスを繰り返すことで、作製条件と材料性能の関係を特徴量を介して推定する。本手法をバナジン酸ビスマス電極に対して適用したところ、性能を2倍以上に向上することに成功した。以上より、材料について得られたデータから性能に寄与する要因を機械学習を用いて明らかにし、それをもとに作製条件を制御することで性能を最大化する方法論を確立した。
|
