2023 Fiscal Year Annual Research Report
Atomistic understanding of microstructure formation based on metadynamics
| Project/Area Number |
22H01754
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
澁田 靖 東京大学, 大学院工学系研究科(工学部), 教授 (90401124)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | メタダイナミクス / 組織形成 / 深層生成モデル / 変分オートエンコーダ / 敵対的生成ネットワーク / 界面エネルギー |
|---|
| Outline of Annual Research Achievements |
本研究では，自由エネルギー探索手法の一つであるメタダイナミクス法を導入し，局所平衡が成り立たない非平衡条件下の固液界面や双晶を有する核生成微細構造など，従来のモデルで説明できない現象の自由エネルギー探索を試みることを目的としている．2023年度は，これまで純金属及び置換型固溶体合金系に対して適応可能であったメタダイナミクスによる固液界面エネルギー導出方法を，侵入型固溶体合金系へと拡張する手法の開発を行った．開発した手法によりα(bcc)Fe-C系における固液界面エネルギーのC濃度依存性の解析を行い，C濃度増加につれ固液界面エネルギーが減少することを見出した．また同手法において従来問題となっていた目標以外の指数面界面が出現することを抑制するモデルを新たに提案し，数値的に安定な導出手法を確立した，現在これらの成果を国際会議MMM11にて発表する予定で申し込み済である．
また，長時間スケールにわたる組織形成過程の原子論的理解に向け，生成AI・深層生成モデルに基づく組織形成過程の原子構造予測手法の開発に着手した．具体的にはVAE(変分オートエンコーダ)を用いて分子動力学シミュレーションの情報を潜在変数空間に圧縮し，潜在変数の時間発展予測結果の復元により，組織構造の未来予測ができる可能性を示すことに成功した．さらに生成モデルの可能性探索を目的とし，GAN(敵対的生成ネットワーク)を用いてランダムノイズから材料特性を包括した情報を生成し，金属材料の熱伝導特性を予測に成功した．これらの成果を学会発表(日本金属学会)及び，論文公開(Acta Materialia, J Phys: Cond Matter)し，知見の公表を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の予定通り，メタダイナミクスを用いた組織形成に係る物性導出手法の開発を行い，侵入型固溶体を対象とした新しい固液界面エネルギー導出法の開発及びこれを用いたFe-C合金固液界面エネルギーの温度依存性検討を行い，研究成果を国際会議にて発表予定などおおむね順調に進展している．
|
| Strategy for Future Research Activity |
長時間スケールにわたる組織形成過程の原子論的理解に向け，生成AI・深層生成モデルに基づく組織形成過程の原子構造予測手法を開発中である．これまでVAE(変分オートエンコーダ)やLSTM(長・短期記憶)などの再帰型ニューラルネットワークを用いてきたが，新たにTransformerやDiffusionモデルなどの新しい手法を導入して高精度予測手法の確立を目指す．
|
