機械学習・次元削減手法による不規則構造のミクロスコピック解析
| Project/Area Number |
23K20816
|
|---|
| Project/Area Number (Other) |
21H01008 (2021-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2021-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 13010:Mathematical physics and fundamental theory of condensed matter physics-related
|
|---|
| Research Institution | National Institute for Materials Science |
|---|
Principal Investigator |
田村 亮 国立研究開発法人物質・材料研究機構, マテリアル基盤研究センター, チームリーダー (20636998)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
二村 保徳 筑波大学, システム情報系, 准教授 (30736210)
宮崎 剛 国立研究開発法人物質・材料研究機構, ナノアーキテクトニクス材料研究センター, グループリーダー (50354147)
櫻井 鉄也 筑波大学, システム情報系, 教授 (60187086)
|
|---|
| Project Period (FY) |
2021-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2024: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Fiscal Year 2023: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000)
Fiscal Year 2022: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000)
Fiscal Year 2021: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000)
|
|---|
| Keywords | 不規則構造 / 分子動力学 / 機械学習 / 次元削減 / マテリアルズ・インフォマティクス / 分子動力学シミュレーション |
|---|
| Outline of Research at the Start |
近年，作成プロセスや添加物を様々変化させた大規模系の計算が実行でき，多種多様な不規則構造が作成できるようになった．そのため，不規則構造における局所構造の違いや，その違いを引き起こすメカニズムの解明が重要となっっている．しかしながら，これまでの古典力場に基づいた分子動力学計算の解析で一般的に利用されてきた，長時間・多数原子の統計量を用いた解析では，ミクロスコピックな現象を理解することができない．そこで，本研究提案では，各原子周りの構造と局所的な統計量（少ない統計量）を利用した不規則構造のミクロスコピック解析を，最新のマテリアルズ・インフォマティクス(MI)手法・次元削減手法を駆使して実現する．
|
| Outline of Annual Research Achievements |
本年度は，2021年度に作成した不規則構造解析用アルゴリズムを用いた，応用研究をスタートさせた．2021年度は３種類の構造の違いを捉えられる低次元空間の探索を実施したが，本年度はより複雑な構造の違いを検討する応用研究を実施した．シリコンを含む２元系以上の実材料に対して，構造の違いが８種類ある場合について開発アルゴリズムを適用した．結果として，適切にすべての構造を分類することができる低次元空間を見つけられることが示され，開発手法のポテンシャルの高さを示すことができた．その一方で，不規則構造解析のターゲットとして，第一原理計算による分子動力学シミュレーションによるトラジェクトリーが必要となり，この収集にかかる時間がネックとなっていた．この問題を解決するために，予測精度の高い機械学習力場の構築手法開発を進めた．特に予測に使う記述子の定義・選定に着目することで，適用範囲の広い機械学習力場を供給できる手法の開発を進めた．本課題で利用した機械学習モデルは線形回帰をベースにしたものであり，学習データにない構造であっても大きく異なるものでなければ，精度の良い予測ができるように学習した．構築した機械学習力場を用いることで，実際に安定した分子動力学シミュレーションが実施できることが確認できた．本手法を利用することでより多くの複雑な構造を有する分子動力学計算によるトラジェクトリーを生成でき，不規則構造解析用アルゴリズムの検証が進み，実応用研究が加速化すると期待できる．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度は，2021年度に作成した不規則構造解析用アルゴリズムを用いた，応用研究をスタートさせた．また，不規則構造解析のターゲットとして，分子動力学シミュレーションによるトラジェクトリーが必要となる．これを高速に得るための，機械学習力場の開発も進め，高精度で力場を供給できる手法を開発した．どちらも手法も論文化を準備しており，本課題は順調に進んでいると考えている．
|
| Strategy for Future Research Activity |
開発した機械学習力場を利用した分子動力学シミュレーションを複数実施し，様々な不規則構造に対するトラジェクトリーを収集する．収集したデータに対して，不規則構造解析用アルゴリズムを適用することで，本研究の大きなテーマである，局所構造の分類・特徴的局所構造の探索・異常原子の探索に挑戦する．
|
Report
(2 results)
Research Products
(5 results)
