First-principles based machine learning phase field model for structural and battery materials

• Project/Area Number: 23K13537
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 26010:Metallic material properties-related
• Research Institution: University of Tsukuba
• Principal Investigator: 黒田 文彬 筑波大学, 計算科学研究センター, 研究員 (60970431)
• Project Period (FY): 2023-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000); Fiscal Year 2027: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2026: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000); Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000); Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
• Keywords: 第一原理計算 / 機械学習 / クラスター展開法 / フェーズフィールド法

Outline of Research at the Start

材料組織の予測と制御は、材料の機能性を十分に利用する開発において、必要不可欠な課題である。この課題を解決するためには、第一原理計算に基づく理論的な組織形成の予測が重要となる。そのため、 第一原理計算と融合したフェーズフィールド法が注目を集めている。しかし、この従来の手法では、計算コストが非常に大きく、面心立方格子などの単純な結晶構造に限られてしまっていた。そこで、本研究では、この問題を解決するべく、第一原理計算に加え、機械学習手法と融合したフェーズフィールド法の開発を行う。また、その手法を用いて、構造、電池材料の組織形成の予測を行うことで、材料組織制御の指針を得る。