| Project/Area Number |
25H00792
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (A)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Medium-sized Section 26:Materials engineering and related fields
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
澁田 靖 東京大学, 大学院工学系研究科(工学部), 教授 (90401124)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
佐藤 龍平 東京大学, 大学院工学系研究科(工学部), 助教 (90867714)
|
|---|
| Project Period (FY) |
2025-04-01 – 2029-03-31
|
| Project Status |
Granted (Fiscal Year 2025)
|
| Budget Amount *help |
¥44,070,000 (Direct Cost: ¥33,900,000、Indirect Cost: ¥10,170,000)
Fiscal Year 2025: ¥14,820,000 (Direct Cost: ¥11,400,000、Indirect Cost: ¥3,420,000)
|
|---|
| Keywords | 材料組織予測 / 分子動力学 / 生成AI |
|---|
| Outline of Research at the Start |
近年の計算機環境の飛躍的向上により分子動力学(MD)法の空間スケールは大きく拡張され，スパコンを用いた超大規模計算ではマイクロメートル(μm)スケールの材料組織の全原子解析を実現している．しかし材料組織解析のためにはMD法の時空間スケールは未だ十分でなく，フェーズフィールド法(PFM)などの上位(大きな)スケールの計算手法を用いるのが一般的である．そこで本研究では，近年大規模言語処理分野を中心に急速に発展している生成モデル(生成AI)を活用し，原子スケールでの材料組織予測を高精度で達成する新たな手法を確立する．
|
