Optimization of High-Entropy Oxide Catalysts Using Bayesian Machine Learning

• Project Area: Foundation of "Machine Learning Physics" --- Revolutionary Transformation of Fundamental Physics by A New Field Integrating Machine Learning and Physics
• Project/Area Number: 25H01541
• Research Category: Grant-in-Aid for Transformative Research Areas (A)
• Allocation Type: Single-year Grants
• Review Section: Transformative Research Areas, Section (II)
• Research Institution: Kyushu University
• Principal Investigator: 辻 雄太 九州大学, 総合理工学研究院, 准教授 (80727074)
• Project Period (FY): 2025-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥5,200,000 (Direct Cost: ¥4,000,000、Indirect Cost: ¥1,200,000); Fiscal Year 2025: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
• Keywords: 高エントロピー酸化物 / 水電解触媒 / ベイズ的機械学習 / 適応的実験計画法 / 構造記述子

Outline of Research at the Start

高エントロピー酸化物（HEO）は、複数の金属を組み合わせた新しい材料で、優れた電極性能を発揮する可能性があります。本研究では、水を電気分解して水素を製造する「水電解」反応を効率化するため、HEOの中から最適な材料を見出す手法を開発します。第一原理計算による精密なシミュレーションと機械学習を組み合わせ、実験と計算をつなぐ「適応的実験計画法」によって、効率的な材料探索を実現します。持続可能な水素社会の実現に資する基礎研究です。