2018 Fiscal Year Research-status Report
Designing novel functional cluster-assembled materials via machine learning and first principle calculations
| Project/Area Number |
17K14803
|
|---|
| Research Institution | National Institute for Materials Science |
|---|
Principal Investigator |
高橋 啓介 国立研究開発法人物質・材料研究機構, 統合型材料開発・情報基盤部門, NIMSポスドク研究員 (80759481)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 原子クラスター / マテリアルズインフォマティクス / 機械学習 / データ科学 / 触媒 / 第一原理計算 / キャタリストインフォマティクス / 人工結晶 |
|---|
| Outline of Annual Research Achievements |
原子クラスターを周期的に配置した人工結晶の設計のため、前年度から継続し、独自に開発したベイシンホッピング法とハイスループット第一原理計算を駆使した原子クラスターデータベースの構築を重点的に行った。対象クラスターは主に遷移金属の1元素と2元素のクラスターを中心に、大きいクラスター(原子数20-100)のクラスターも対象にデータ化した。前年度はBCC構造における人工結晶の設計を行ったが、今年度はBCC,HCPさらには2次元の人工結晶の設計を試みた。
特筆べき成果の1つに、グラフェンと2次元窒化ホウ素をそれぞれ2レイヤーにした材料に対して、各レイヤー間に原子クラスターを挟めた人工結晶の設計に成功した。この研究では周期表の元素を網羅的に配置したため、挿入する元素によりグラフェンと2次元窒化ホウ素の電気特性・磁気特性がチューニング可能ということを突き止めた。
もう1つの特筆べき成果に材料組成から結晶構造の予測がある。材料組成から結晶構造の予測は材料科学において長年の大きな不可思議である。そこで結晶構造と材料組成の関係を明らかにするためデータ科学を導入して挑戦した。教師なし学習では原子数が増えるにつれ結晶構造が複雑化するということが認識され、さらに教師あり学習では結晶構造を決定する8個の記述子の特定に成功した。8個の記述子と教師あり学習を用いることにより、「結晶構造から組成の組み合わせの推定」という従来とは真逆のプロセスに成功した。応用として、酸化レニウム(VI)(ReO3)構造を持つ材料は数点しか見つかっていないが、この学習機を用いることにより、ReO3構造を取りうる多くの未発見材料が推定され、第一原理計算による安定性評価と組み合わせ、多くのReO3構造を取りうる未発見材料を発見した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
機械学習を用いることにより、材料組成から結晶構造を予測する技術を開発しただけでなく、2レイヤーからなる2次元材料と原子クラスターを組み合わせることにより、磁気特性や電気特性がチューニングできるという発見もしたため、今後の研究に大きな発展が期待できる。
|
| Strategy for Future Research Activity |
今後も継続して独自開発したベイシンホッピング法とハイスループット第一原理計算を用いて、1,2,3元素からなる原子クラスターのデータ作成を行う。特に20原子以上の大きいクラスターも対象とする。人工結晶はBCC, FCC, HCPの構造だけでなく、2次元材料と原子クラスターを組み合わせるなどし、今まで提案されてこなかった材料設計を行う。また同時に機械学習を導入し人工結晶の設計指針となる記述子や形成エネルギーの予測記述を開発し、機械学習による人工結晶の設計を推進する。
|
| Causes of Carryover |
当初予定していた海外出張が次年度に延期となったため。また当初購入予定だったCPUが次年度に性能が向上したバージョンが発売されることが発表されたため。
|
