2022 Fiscal Year Annual Research Report
第一原理計算と機械学習を用いた結晶粒界における原子・電子構造と機能相関性の解明
| Project/Area Number |
20J00773
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
清原 慎 東北大学, 金属材料研究所, 助教
|
|---|
| Project Period (FY) |
2020-04-24 – 2023-03-31
|
| Keywords | マテリアルズインフォマティクス / 表面 / 格子欠陥 |
|---|
| Outline of Annual Research Achievements |
材料中には、格子欠陥と呼ばれるバルク(結晶)とは異なる原子構造を持つ領域が存在する。それらは材料全体の物性を著しく低下させることがある一方で、的確に制御することでバルクでは実現し得なかった物性を発現させることが可能である。本研究では、格子欠陥が与える物性への影響を理解するために情報科学手法を用いて研究を行った。最終年度は、表面に関する成果を得た。
結晶表面は、触媒や半導体材料において重要な役割を果たす。そのような材料においては、イオン化ポテンシャル(IP)・電子親和力(EA)を用いたバンドアライメントが材料の機能を示す重要な指標となる。そこで本研究では、表面における系統的なIP・EAの評価を可能にするために機械学習を用いた。
第一原理計算に基づいたハイスループット計算により約3000個の酸化物の表面のIP・EAを計算した。いくつかの物質に関して実験値と比べた結果、IP・EAともによく一致し、高精度な大規模IP・EAデータベースを構築することに成功したといえる。二元系酸化物のデータを用いて、表面の原子構造の情報のみからIP・EAを予測するニューラルネットワークを構築した。その結果、高精度でIP・EAを予測することに成功した。さらに構築したニューラルネットワークにAttention layerを導入することで、予測精度をさらに向上させ、IP・EAに対する各原子サイトの影響を評価することができた。また原子構造を記述子化する過程をニューラルネットワークに接続することで、元素の影響をあらわに取り込むことを可能にし、結果三元系酸化物への拡張を可能した。
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
