2020 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 / ミクロ相分離 / 深層学習 / マルチフラクタル / 粗視化シミュレーション / パーシステントホモロジー |
|---|
| 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、高分子材料がミクロ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。
今年度は昨年度に引き続き、SCFTと粗視化分子動力学(CGMD)を組み合わせた階層的シミュレーションシミュレーションにより得られた応力－ひずみ挙動（S-Sカーブ）を、深層学習を用いて高分子鎖構造と高次構造であるミクロ相分離構造を用いて高速に予測する方法を検討した。検討の結果、ABジブロックからABA対称トリブロックに至る非対称トリブロックコポリマー構造を含めてS-Sカーブを精度予測できることを明らかにした。特に高分子鎖構造が同じ場合における高次構造によるS-Sカープの差異も再現できることを確認した。
また、ミクロ相分離構造が形成する様々なネットワーク構造を、マルチフラクタル解析、パーシステントホモロジーなど数理科学的・情報科学的解析によりSCFTで得られる自由エネルギーとの回帰を行い、従来行われてきた界面積、曲率に着目した解析に対して、より精度のより回帰を行えることを見いだした。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
高分子鎖構造とミクロ相分離構造を用いたブロックコポリマーのS-Sカーブ予測を事例にとり、深層学習による高分子高次構造を考慮した物性予測、高次構造－物性相関解析を進め、高次構造の影響も加味した、より精度の高い予測を行えることを可能にした。
また、深層学習による単なる帰納的な回帰に加えて、相分離構造そのものを数理科学的手法により解析し、自由エネルギー変化のメカニズムに対して演繹的なアプローチを行えたことは、所望の特性を与える構造を設計するという材料開発において、有力なツールとなることが期待される。
今年度も、コロナ禍で成果発信、研究交流等の制約を一部受けたが、オンライン交流の機会の増加により、より簡便に交流、議論を進められるというメリットも存在し、総じて研究は順調に進捗していると判断できる。
|
| Strategy for Future Research Activity |
新学術領域計画研究の最終年度を迎えるにあたり、これまで継続している高次構造－物性予測手法を幅広い高分子鎖構造に適用できることを実証する。さらに、得られた相関（学習セット）より、目的とするS-Sカープを与える高分子鎖構造および高次構造を提案する、いわゆる逆問題も広い範囲での構造を予測できるように引き続き取り組んでいく計画である。
|
