2018 Fiscal Year Research-status Report
Machine Learningによる気体分子散乱特性予測と機能性ナノ界面の探索
Project/Area Number |
18K03960
|
Research Institution | Kochi National College of Technology |
Principal Investigator |
武内 秀樹 高知工業高等専門学校, ソーシャルデザイン工学科, 准教授 (30435474)
|
Project Period (FY) |
2018-04-01 – 2021-03-31
|
Keywords | 流体工学 / 希薄気体力学 / 分子動力学 / Gas-Surface Interaction / 機械学習 |
Outline of Annual Research Achievements |
本研究では,マイクロ・ナノスケールの気体の熱流動特性の正確な把握に必要な界面での気体分子散乱特性の解明に向けて,機械学習の手法を取り入れ,原子レベルの界面状態の相違による気体分子散乱挙動の予測に有効な機械学習モデルを確立後,気体-ナノ構造界面における気体分子散乱特性に与える影響要因やその散乱メカニズムを基礎的レベルで明らかにし,統一的な知見を得ることを目的としている.本年度は,気体分子に単原子分子,界面として最も典型的な遷移金属表面の系を取り上げ,分子動力学解析後の気体分子散乱データと界面情報との関連性・独立性を精査し適切な機械学習でのモデル化を検討した.具体的には,アルゴン気体分子と平滑な白金固体表面に水分子が物理吸着した表面との干渉を分子動力学法に基づき解析し,得られたアルゴン気体分子の散乱データを用いて,水分子の吸着度合に応じてアルゴン気体分子の速度分布関数がどのように変化するかの予測を教師あり学習により調査した.線形基底関数モデルから予測された値を基に,反射分子に対する速度分布関数を構築した際,分子動力学解析から取得されたデータに基づく分子速度分布関数を比較的よく再現していることが確認され,モデルの有効性が示唆された.次に,用意した計算系において巨視的な流れの速度勾配を有する場合に,それらの流れの違いによる気体分子の速度分布関数の予測への影響について,モデルの次元を拡張して考慮できるよう改善を実施している.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度は,単原子分子のアルゴン気体分子を対象に,白金固体表面上の水分子の吸着分子数の違いによる気体分子散乱特性を分子動力学解析により求め,得られた分子速度のデータを用いてガウス関数によりフィッティングした各パラメータに対して,教師あり学習を実施した.固体表面での水分子の物理吸着度合いの違いに対するアルゴン気体分子の分子速度分布関数を予測するための線形基底関数モデルの構築を行い,相当する分子動力学解析結果に基づく分子速度分布関数と比較し,提案したモデルの妥当性が確認された.
|
Strategy for Future Research Activity |
今後は,構築した気体分子の分子速度分布関数を予測するモデルの改善を行うとともに,適切な機械学習モデルを用いて任意の界面に対する気体分子の運動量やエネルギー交換の度合いを表すマクロな物理量の予測を行い,任意界面に対する分子動力学解析の結果と,機械学習モデルにより得られた特性とを比較し,機械学習で構築されたモデルの精度の影響を吟味する予定である.また,固体表面における気体分子の散乱特性への影響因子の度合を詳細に把握するために,固体表面性状以外にも系の巨視的な熱流動状態の違いによる気体分子散乱特性予測のための機械学習モデルについても精査し,より汎用性のある予測モデルの構築および拡張を検討する予定である.
|
Causes of Carryover |
解析や解析結果のデータ処理に伴う負荷が当初想定していたものと相違があり,計算機用品の変更が生じたため.また,予定していた研究成果発表のための旅費を次年度に繰り越したため.次年度は,解析結果のデータ保存や管理を行うための計算機用消耗品などの購入および国内外での研究成果発表のための旅費や論文投稿費用などに使用する計画である.
|