• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2022 Fiscal Year Annual Research Report

Discovery of innovative functional materials using state-of-the-art machine learning

Research Project

Project/Area Number 19H01132
Research InstitutionThe Institute of Statistical Mathematics

Principal Investigator

吉田 亮  統計数理研究所, データ科学研究系, 教授 (70401263)

Project Period (FY) 2019-04-01 – 2024-03-31
Keywordsマテリアルズインフォマティクス / 機械学習 / 分子設計 / 逆合成経路解析 / 第一原理計算 / 分子動力学シミュレーション
Outline of Annual Research Achievements

データ駆動型材料研究のデータ科学の基盤技術に関する研究を実施した.今年度の研究成果の概要は以下の通りである.
(1) 関係型出力変数を予測する機械学習のアルゴリズムを開発した.分子の光吸収スペクトルや物性の温度依存性曲線,材料組織の電子顕微鏡画像等,材料研究における関数型出力変数を予測する深層カーネル回帰の手法を開発した(Iwayama et al., J. Chem. Inf. Model. 62, 20, 4837-4851 (2022)).
(2) 機能性分子と合成経路を同時に設計するための機械学習アルゴリズムを開発した(Zhang et al., Sci. Technol. Adv. Mater., in press).
(3) 任意の化学組成が与えられたときに,安定・準安定状態の結晶構造を予測する機械学習アルゴリズムを開発した(Kusaba et al., Comput. Mater Sci. 211, 111496 (2022), Liu et al., submitted).従来の結晶構造予測では,第一原理エネルギー計算を多数繰り返す必要があり,単位胞内に30個以上の原子を含むような大きな系には適用できなかった.提案したショットガン法は,従来法に比べて,計算負荷が5~10倍以上少なく,予測精度も2~6倍高い.
(4) 全原子古典分子動力学法(MD計算)による高分子物性計算を全自動化するソフトウェアRadonPyを開発した(Hayashi et al., npj Comput. Mater. 8, 222 (2022)).RadonPyは,高分子材料の繰り返し単位の化学構造と重合度,温度などの計算条件を入力とし,アモルファスポリマーや高分子溶液などの系に対し,熱物性や光学特性を含むさまざまな物性を自動計算する.

Current Status of Research Progress
Current Status of Research Progress

1: Research has progressed more than it was originally planned.

Reason

様々な材料系に適用可能なマテリアルズインフォマティクスの体系的方法論とデータ解析ツールが完成しつつある.これらの手法は本グループが開発しているオープンソースソフトウェアXenonPyに実装されている.また,全原子古典分子動力学シミュレーションによる高分子物性計算を完全自動化するPythonオープンソースライブラリRadonPyをリリースした.RadonPyは.モノマーの化学構造や重合度・温度等の計算条件を入力とし,力場パラメータの設定,分子モデリング,平衡・非平衡MDシミュレーションによる構造計算・物性算出,計算のエラー判定,再計算のスケジューリング管理までの全工程を自動化する.現在のバージョンは,熱物性を中心とする15物性の自動計算に対応している.計算対象の系は,アモルファスポリマー,延伸配向したポリマー,共重合ポリマー,高分子溶液系を含む.我々は,3大学・24企業からなる産学連携コンソーシアムを形成し,RadonPyを用いて10 万種類以上の分子骨格を包含する世界初の体系的な高分子物性データベースを開発している.
また,実証研究においても顕著な成果が出つつある.準結晶探索の応用では,準結晶を形成する化学組成を高精度で予測できる統計モデルを構築し,アルミニウム三元合金系の全組成空間の仮想スクリーニングを実施した結果,3個の安定準結晶と10個の近似結晶を発見することに成功した(論文投稿).これは機械学習によって予測・発見された初めての準結晶である.また,高分子熱物性の実証研究では,従来の高分子に比べて非常に高い熱伝導率を示す液晶高分子が発見された(論文投稿準備中).今後も様々な材料系に提案手法を適用していき,実証フェーズを加速していく.

Strategy for Future Research Activity

今後は以下の外部プロジェクトと連携しながら,実証フェーズを加速していく.
(1) 本プロジェクトの研究グループは,2019年に始動したJST-CREST熱制御領域「高分子の熱物性マテリアルズインフォマティクス」(代表:東京工業大学 森川淳子教授)に参画している.提案手法を本プロジェクトに投入し,高分子の熱動態の理解と高い熱伝導性を有する新材料の発見を実現する.特に,液晶構造を形成するポリマーを予測・設計する機械学習アルゴリズムを用いて,液晶性ポリマーの材料創成を実現する.
(2) 本プロジェクトの研究グループは,2019年に始動した科研費新学術領域「ハイパーマテリアル:補空間が創る新物質科学」(領域代表:東京理科大学 田村隆治 教授)に参画している.準結晶は通常の周期結晶のような並進対称性を持たないが,原子配列に高度な秩序がある物質群である.最初の準結晶の発見からおよそ35年間で100種類以上の準結晶が見つかっている.準結晶の発見は新しい固体構造の概念を確立された.しかしながら,近年は準結晶の発見のペースが著しく鈍化している.我々は,これまでに発見された準結晶,近似結晶,結晶の化学組成リストの機械学習を適用し,準結晶を形成する化学組成を高精度で予測できる統計モデルを構築することに成功している.また,アルミニウム三元合金系の全組成空間の仮想スクリーニングを実施し,3個の安定準結晶と10個の近似結晶を発見することに成功した.現時点において,化学組成から(a)準結晶形成の判別,(b)電気抵抗率,(c)温度係数を予測する三つのモデルを得ることができている.次のステップでは,このモデルの逆問題を解くことで,半導体特性を有する準結晶を形成する化学組成を予測し,世界初となる半導体準結晶の発見を実現したい.

  • Research Products

    (37 results)

All 2023 2022 Other

All Int'l Joint Research (1 results) Journal Article (7 results) (of which Int'l Joint Research: 2 results,  Peer Reviewed: 6 results,  Open Access: 6 results) Presentation (23 results) (of which Int'l Joint Research: 4 results,  Invited: 11 results) Book (1 results) Remarks (5 results)

  • [Int'l Joint Research] ノートルダム大学(米国)

    • Country Name
      U.S.A.
    • Counterpart Institution
      ノートルダム大学
  • [Journal Article] Multi-objective optimization for assisting the design of fixed-type packed bed reactors for chemical heat storage2023

    • Author(s)
      Zamengo Massimiliano、Wu Stephen、Yoshida Ryo、Morikawa Junko
    • Journal Title

      Applied Thermal Engineering

      Volume: 218 Pages: 119327~119327

    • DOI

      10.1016/j.applthermaleng.2022.119327

    • Peer Reviewed / Open Access
  • [Journal Article] SMiPoly: Generation of Synthesizable Polymer Virtual Library using Rule-based Polymerization Reactions2023

    • Author(s)
      Ohno Mitsuru、Hayashi Yoshihiro、Zhang Qi、Kaneko Yu、Yoshida Ryo
    • Journal Title

      ChemRxiv preprint

      Volume: - Pages: -

    • DOI

      10.26434/chemrxiv-2023-w54wn

  • [Journal Article] Crystal structure prediction with machine learning-based element substitution2022

    • Author(s)
      Kusaba Minoru、Liu Chang、Yoshida Ryo
    • Journal Title

      Computational Materials Science

      Volume: 211 Pages: 111496~111496

    • DOI

      10.1016/j.commatsci.2022.111496

    • Peer Reviewed / Open Access
  • [Journal Article] Descriptors of intrinsic hydrodynamic thermal transport: screening a phonon database in a machine learning approach2022

    • Author(s)
      Torres Pol、Wu Stephen、Ju Shenghong、Liu Chang、Tadano Terumasa、Yoshida Ryo、Shiomi Junichiro
    • Journal Title

      Journal of Physics: Condensed Matter

      Volume: 34 Pages: 135702~135702

    • DOI

      10.1088/1361-648X/ac49c9

    • Peer Reviewed / Open Access / Int'l Joint Research
  • [Journal Article] Functional Output Regression for Machine Learning in Materials Science2022

    • Author(s)
      Iwayama Megumi、Wu Stephen、Liu Chang、Yoshida Ryo
    • Journal Title

      Journal of Chemical Information and Modeling

      Volume: 62 Pages: 4837~4851

    • DOI

      10.1021/acs.jcim.2c00626

    • Peer Reviewed / Open Access
  • [Journal Article] RadonPy: automated physical property calculation using all-atom classical molecular dynamics simulations for polymer informatics2022

    • Author(s)
      Hayashi Yoshihiro、Shiomi Junichiro、Morikawa Junko、Yoshida Ryo
    • Journal Title

      npj Computational Materials

      Volume: 8 Pages: 222

    • DOI

      10.1038/s41524-022-00906-4

    • Peer Reviewed / Open Access
  • [Journal Article] Machine learning-assisted exploration of thermally conductive polymers based on high-throughput molecular dynamics simulations2022

    • Author(s)
      Ma Ruimin、Zhang Hanfeng、Xu Jiaxin、Sun Luning、Hayashi Yoshihiro、Yoshida Ryo、Shiomi Junichiro、Wang Jian-xun、Luo Tengfei
    • Journal Title

      Materials Today Physics

      Volume: 28 Pages: 100850~100850

    • DOI

      10.1016/j.mtphys.2022.100850

    • Peer Reviewed / Open Access / Int'l Joint Research
  • [Presentation] 機械学習による半導体準結晶の探索2023

    • Author(s)
      草場 穫, 劉 暢, 藤田 絵梨奈, 桂 ゆかり, 木村 薫, 吉田 亮
    • Organizer
      第27回準結晶研究会
  • [Presentation] データ駆動型高分子材料研究の最前線限られたデータの壁を乗り越える2023

    • Author(s)
      吉田 亮
    • Organizer
      第2回「富岳」成果創出加速プログラム 研究交流会「富岳百景」
    • Invited
  • [Presentation] データ駆動型材料科学における統計的機械学習とシミュレーションの融合:限られたデータの壁を乗り越える2023

    • Author(s)
      吉田 亮
    • Organizer
      2023年電子情報通信学会総合大会
    • Invited
  • [Presentation] データ駆動型物質・材料研究の諸問題:限られたデータの壁を乗り越える2023

    • Author(s)
      吉田 亮
    • Organizer
      日本化学会第103春季年会
    • Invited
  • [Presentation] データ駆動型高分子材料研究ロードマップ:限られたデータの壁を乗り越えるために2023

    • Author(s)
      吉田 亮
    • Organizer
      シンポジウム「データ駆動型高分子材料研究の最前線」
    • Invited
  • [Presentation] 統計的機械学習による新規準結晶の探索:現状と課題2022

    • Author(s)
      劉 暢, 吉田 亮
    • Organizer
      新学術領域 ハイパーマテリアル 第8回領域会議
  • [Presentation] 高分子物性自動計算と統計的機械学習の協働:材料空間の大地図を作成する2022

    • Author(s)
      吉田 亮
    • Organizer
      産総研 データ駆動型材料設計技術利用推進コンソーシアム 設立記念講演会
    • Invited
  • [Presentation] データ駆動型材料研究における統計的機械学習とシミュレーションの融合2022

    • Author(s)
      吉田 亮
    • Organizer
      2022年度 人工知能学会全国大会(第36回)
    • Invited
  • [Presentation] データ駆動型の液晶ポリイミド設計 (Data-driven design of new liquid-crystal polyimide2022

    • Author(s)
      ウ ステファン, 前田 颯, 丸井 莉花, 吉田 絵里菜, 難波江 裕太, 早川 晃鏡, 野口 瑶, 林 慶浩, 吉田 亮
    • Organizer
      第71回高分子討論会
  • [Presentation] MD自動計算による高分子物性データプラットフォームの産学連携による共創2022

    • Author(s)
      林 慶浩, ウ ステファン, 野口 瑶, 髙橋 愛子, 吉田 亮
    • Organizer
      第71回高分子討論会
  • [Presentation] アフィンカップリング型モデル変換による転移学習2022

    • Author(s)
      南 俊匠, 吉田 亮
    • Organizer
      2022年度統計関連学会連合大会
  • [Presentation] 専門知識と機械学習の融合に基づく液晶性ポリイミドの設計2022

    • Author(s)
      ウ ステファン, 前田 颯, 丸井 莉花, 吉田 絵里菜, 難波江 裕太, 早川 晃鏡, 野口 瑶, 林 慶浩, 吉田 亮, 森川 淳子
    • Organizer
      2022年度統計関連学会連合大会
  • [Presentation] 統計的機械学習による予測と発見、理解:準結晶研究への適用事例を中心に2022

    • Author(s)
      吉田 亮
    • Organizer
      日本物理学会2022年秋季大会シンポジウム
    • Invited
  • [Presentation] 材料科学における多次元出力変数の教師あり学習2022

    • Author(s)
      岩山 めぐみ, ウ ステファン, 劉 暢, 吉田 亮
    • Organizer
      第83回応用物理学会秋季学術講演会
  • [Presentation] マルチタスク機械学習による高分子溶液相溶性とFlory-Huggins χパラメータの予測2022

    • Author(s)
      青木 祐太, 釣本 輝希, ウ ステファン, 林 慶浩, 南 俊匠, 白鳥 和矢, 吉田 亮
    • Organizer
      第83回応用物理学会秋季学術講演会
  • [Presentation] データ科学による新物質の予測と発見2022

    • Author(s)
      吉田 亮
    • Organizer
      第7回オンラインサロン「スパコンコロキウム」
    • Invited
  • [Presentation] データ駆動型材料研究における統計的諸問題:現状と展望2022

    • Author(s)
      吉田 亮
    • Organizer
      第15回 品質工学技術戦略研究発表大会
    • Invited
  • [Presentation] Multitask machine learning for prediction and understanding of polymer-solvent solubility2022

    • Author(s)
      Yuta Aoki, Teruki Tsurimoto, Tadamichi Okubo, Stephen Wu, Yoshihiro Hayashi, Shunya Minami, Kazuya Shiratori, Ryo Yoshida
    • Organizer
      5th G’L’owing Polymer Symposium in KANTO (GPS-K2022)
  • [Presentation] 機械学習による半導体準結晶の探索2022

    • Author(s)
      草場 穫, 劉 暢, 藤田 絵梨奈, 桂 ゆかり, 木村 薫, 吉田 亮
    • Organizer
      第9回新学術領域会議
  • [Presentation] Development of an Automated Polymer Property Calculation System “RadonPy” and Data Platform Co-creation through Industry-Academia Collaboration2022

    • Author(s)
      Y. Hayashi, Y. Noguchi, A. Takahashi, W. Stephen, R. Yoshida
    • Organizer
      The 17th Pacific Polymer Conference (PPC17)
    • Int'l Joint Research
  • [Presentation] Design of liquid-crystalline polyimides by integrating expert knowledge to a data-driven machine learning framework2022

    • Author(s)
      W. Stephen, H. Maeda, R. Marui, E. Yoshida, Y. Nabae, T. Hayakawa, Y. Noguchi, Y. Hayashi, R. Yoshida
    • Organizer
      The 17th Pacific Polymer Conference (PPC17)
    • Int'l Joint Research
  • [Presentation] Using machine learning to discover quasicrystals2022

    • Author(s)
      R. Yoshida
    • Organizer
      Aperiodic 2022 (10th International Conference on Aperiodic Crystals)
    • Int'l Joint Research / Invited
  • [Presentation] Statistical Machine Learning for Materials Modeling and Simulation2022

    • Author(s)
      R. Yoshida
    • Organizer
      2022 SIAM International Conference on Data Mining
    • Int'l Joint Research / Invited
  • [Book] マテリアルズインフォマティクス2022

    • Author(s)
      伊藤 聡、吉田 亮、劉 暢、Stephen Wu、野口 瑶、山田 寛尚、赤木 和人、大林 一平、山下 智樹
    • Total Pages
      202
    • Publisher
      共立出版
    • ISBN
      9784320072022
  • [Remarks] XenonPy: Python library for materials informatics

    • URL

      https://xenonpy.readthedocs.io/en/latest/

  • [Remarks] RadonPy

    • URL

      https://github.com/RadonPy/RadonPy

  • [Remarks] 関数出力変数カーネル回帰ソフトウェア

    • URL

      https://github.com/yoshida-lab/XenonPy/blob/master/samples/kernel_neural_network.ipynb

  • [Remarks] 結晶構造予測プログラムCSPML

    • URL

      https://github.com/Minoru938/CSPML

  • [Remarks] 分子・合成経路自動生成アルゴリズムSeq-Stack-Reaction

    • URL

      https://github.com/qi-zh/Seq-Stack-Reaction

URL: 

Published: 2023-12-25  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi