Improving Accuracy of Crystal Property Prediction via Neural Network for Graphs and Points

2022 Fiscal Year Final Research Report

• Project/Area Number: 20K19805
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 60080:Database-related
• Research Institution: Osaka University
• Principal Investigator: Sasaki Yuya 大阪大学, 大学院情報科学研究科, 助教 (40745147)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: マテリアルズインフォマティクス / 深層学習 / グラフデータ / 点群データ / 太陽光電池

Outline of Final Research Achievements

This project conducted four main tasks in order to achieve accurate prediction of the physical properties of crystals: (1) a survey of deep learning techniques in materials informatics, (2) construction of a dataset, (3) development of deep learning techniques for crystal prediction using point clouds and graphs, and (4) material generation based on deep learning techniques. For the dataset and material generation, the focus was on solar cell materials. Molecular structures and physical properties were extracted from existing literature, and novel material generation was attempted using the developed deep learning techniques.

Free Research Field

データベース

Academic Significance and Societal Importance of the Research Achievements

情報学と材料工学を融合させたマテリアルインフォマティクスの研究が盛んに行われており， 各国において様々な取組みが行われている．マテリアルインフォマティクスの目的のひとつは，新材料の開発の効率化である．従来の材料工学では，開発者や研究者の直感に頼って，新材料候補に対する実験を試行錯誤しながら実施していたが，マテリアルインフォマティクスは蓄積された過去の材料実験データやシミュレーションデータを活用し，実験候補の絞り込みを行い，実験回数を減らすことができる．これにより，新たな有用な物質探索の発見を効率的に実施することができるため，新たな産業の発展が期待できる．