Predicting physical properties through machine learning utilizing electronic states for materials design

Research Project

Project/Area Number	24K08016
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 26010:Metallic material properties-related
Research Institution	The University of Tokyo
Principal Investigator	柴田基洋東京大学, 生産技術研究所, 助教 (40780151)
Project Period (FY)	2024-04-01 – 2027-03-31
Project Status	Granted (Fiscal Year 2024)
Budget Amount *help	¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000) Fiscal Year 2026: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000) Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000) Fiscal Year 2024: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Keywords	電子状態 / 機械学習 / 第一原理計算 / マテリアルズインフォマティクス / 材料探索
Outline of Research at the Start	原子構造によって決まる電子状態は様々な物性や化学反応の根源であり物質の情報を豊富に含むため、材料特性の理解や予測に活用されている。そのため、電子状態は原子構造と様々な物性に紐づく汎用的な説明変数として機械学習による物性予測などに活用が期待できる。しかし、機械学習を用いた物性予測における電子状態の活用は未だ限定的である。本研究では、金属サブナノクラスターなどを対象に構造と電子状態密度と物性の相関に機械学習を適用することを通して、電子状態の物性予測や物質設計における有用性を検証し、汎用性の高い物性予測手法の開発を目指す。