2020 Fiscal Year Research-status Report
| Project/Area Number |
20K15013
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
清水 康司 東京大学, 大学院工学系研究科(工学部), 助教 (00838378)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | 水素脆化 / 第一原理計算 / 機械学習ポテンシャル / 量子効果 |
|---|
| Outline of Annual Research Achievements |
本研究では、水素曝露による金属材料の劣化機構を原子スケールから明らかにすることを目的としており、そのための機械学習ポテンシャルの開発に取り組んだ。水素原子・分子を含むアルミニウムについて、欠陥や粒界を考慮した構造データセットを作成し、ニューラルネットワークを用いた原子間ポテンシャル（NNP）を作成した。その結果、エネルギーと原子にかかる力を第一原理計算のレベルで予測することができた。さらに、従来の機械学習ポテンシャルのスキームでは複数のイオンの荷電状態を同時に考慮することは困難であったが、それを可能にする方法論を開発し、高い精度で予測可能であることを実証した。この手法を用いて、酸化アルミニウム中での複数の水素の荷電状態の取り扱いが可能になると考えられる。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
初年度に計画していた、水素を含むバルクアルミニウムに対する機械学習ポテンシャルは精度よく作成することに成功した。また、量子効果を考慮するための経路積分による分子動力学計算との接続も問題なく完了した。
|
| Strategy for Future Research Activity |
作成したNNPを用いた動的過程の解析を行い、バルクアルミニウム中における水素の存在形態の解析を進める。また、量子効果を考慮した分子動力学計算を行い、古典的な計算で得られた結果との比較から水素脆性での量子効果の影響を検証する。また、水素を含む酸化アルミニウムについてのデータ作成に着手する。
|
