Recommender system for discovering new inorganic compounds

2019 Fiscal Year Final Research Report

• Project/Area Number: 18K18942
• Research Category: Grant-in-Aid for Challenging Research (Exploratory)
• Allocation Type: Multi-year Fund
• Review Section: Medium-sized Section 26:Materials engineering and related fields
• Research Institution: Kyoto University
• Principal Investigator: Seko Atsuto 京都大学, 工学研究科, 准教授 (10452319)
• Project Period (FY): 2018-06-29 – 2020-03-31
• Keywords: 推薦システム / 無機化合物 / 機械学習

Outline of Final Research Achievements

In this study, the relevance of chemical compositions where stable crystals can be formed, i.e., chemically relevant compositions (CRCs) was predicted. Herein we adopt recommender system approaches to estimate CRCs. This approach significantly accelerates the discovery of currently unknown CRCs that are not present in the training database.

Free Research Field

計算材料科学

Academic Significance and Societal Importance of the Research Achievements

料科学と機械学習の融合により材料研究の加速を目指す「材料インフォマティクス」が国内外において行われ始めており，申請者はこの分野において，最先端の研究を行っている．本研究は，材料科学に推薦システムのアプローチを応用する試みであり，材料科学と機械学習の融合による挑戦的研究である．本研究は，材料インフォマティクスという新しい学術領域に貢献する．
また，推薦システムによる方法論により，１００億もの候補全組成に対して，合成可能性の情報を定量的に与えることができる．よって，本研究は，合成可能性のある化学組成をリストアップすることができるものであり，これまでの材料探索の体系を変える可能性がある．