2018 Fiscal Year Annual Research Report
| Project Area | Discrete Geometric Analysis for Materials Design |
|---|
| Project/Area Number |
17H06464
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
青柳 岳司 国立研究開発法人産業技術総合研究所, 材料・化学領域, 総括研究主幹 (50786241)
|
|---|
| Project Period (FY) |
2017-06-30 – 2022-03-31
|
| Keywords | ブロックコポリマー / ネットワーク構造 / ミクロ相分離 / 機械学習 / 粗視化シミュレーション |
|---|
| Outline of Annual Research Achievements |
高分子集合体は、その分子構造、組成、集合体形成のプロセスにより多階層な高次構造を取り、その構造が機能の発現を左右する。特に架橋高分子、ブロックコポリマーのミクロ相分離、過冷却状態における密度揺らぎなど、様々なネットワーク構造を形成する場合が多い。さらに機能性材料においてはマクロなネットワーク構造を制御して、その機能を向上させるというアプローチは産業的にも求められている。
本研究では、高分子材料が相分離などにより形成するネットワーク構造に着目し、①最適なネットワーク構造を設計する、②狙ったネットワーク構造を作る高分子構造、組成、プロセスを設計する、③設計した高分子構造、組成とプロセスを実証し、特性を評価した結果をネットワーク構造最適化にフィードバックすることを目的とする。
今年度は、ブロックコポリマーのダブルジャイロイド(DG)相の弾性挙動解析に関して、ブロックコポリマーの形成するDG構造の力学特性（S-Sカーブ）の予測を可能にし、ポリマー種の差異、ミクロ相分離構造の差異を明らかにした。特にDG構造のS-S挙動は実測ともよく一致し、今回の計算モデルの妥当性を示した。同時にブリッジ分率依存性など実測では得られない付加情報を計算により得ることが出来、このモデルによる分子設計の可能性を示すことが出来た。
また、機械学習による安定ミクロ相分離相の予測においては、試行として深層学習を用いて自己無撞着場計算より得られた、準安定構造を分類することにより、安定相の予測が精度高く行えることを示し、相分離構造予測に対する機械学習の適用に対して、今後の発展が期待される結果を得た。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の研究計画において、MD-連続体ハイブリットシミュレーションによるマクロダイナミクスとミクロダイナミクスの連成挙動解析の実施を予定していたが、計画していた研究体制の変更に加えて、検討を進める過程でネットワーク型のミクロ相分離構造予測と機能との相関に関して、例えば初期弾性率発現のメカニズムやブリッジ分率の影響など、未解明な点が多く残されていることが明らかになった。そして、そのような未解明な領域の解明を先んじて行うことにより、新規材料探索の可能性が広がることが示唆され、そちらの課題をまず先決して明らかにしていくという、計画の順序の入れ替えを行った。その結果、計算機シミュレーションによる新たな知見に加えて、機械学習（深層学習）適用の可能性に関しても、良好な結果を得ることが出来た。
このように当初計画の一部入れ替えはあるものの、先んじて手がけたミクロ相分離が形成するネットワーク構造の解析、特に機械学習による相分離構造の予測に関しては、将来的に期待される成果が前倒しで得られているため、トータルとしては順調に進展していると評価する。
|
| Strategy for Future Research Activity |
DG構造を代表とするミクロ相分離ネットワーク構造の力学物性に関して解析を進める。特に安定相であるDG相と準安定として得られる対称性の低いネットワーク構造を対象として定量的な解析を進めていく。例えばDG構造は規則正しい3分岐ネットワークとして記述できるが、同じポリマー組成で得られる準安定状態は、分岐数、分岐点間距離、分岐角などの分布は自明ではない。これらネットワーク構造の定量的評価を他計画研究班と協力し進め、S-S挙動との相関を明らかにしていく。機械学習の適用に関しては、教師データの増加、フレームワークの改良などを検討し予測精度の向上を目指す。さらに高分子鎖のアーキテクチャーから相分離構造をダイレクトに予測する試みを進め、その実用性を判断する。そのために高分子鎖のアーキテクチャーを表現する記述子あるいはフィンガープリントの開発を試みる。
また公募研究採択者とも協力し、実験データとシミュレーションの連携を図り、シナジー効果の発揮に努める。
相分離シミュレーションに関しては、ソフトマテリアルシミュレーション研究者とのネットワークを活かし、OCTAをはじめとしたシミュレーション利用技術のブラッシュアップを図る。さらに機械学習の技術に関しては研究代表者の所属する産総研機能材料コンピュテーショナルデザイン研究センターにおけるマテリアルズ・インフォマティクス研究者との議論などを通じて、高度化を図る。
|
