2017 Fiscal Year Annual Research Report
Prediction model for data-driven development of inorganic phosphor materials
Publicly Offered Research
| Project Area | Exploration of nanostructure-property relationships for materials innovation |
|---|
| Project/Area Number |
16H00893
|
|---|
| Research Institution | Osaka Prefecture University |
|---|
Principal Investigator |
池野 豪一 大阪府立大学, 研究推進機構, 講師 (30584833)
|
|---|
| Project Period (FY) |
2016-04-01 – 2018-03-31
|
| Keywords | 機械学習 / 第一原理計算 / 無機蛍光体材料 / 多重項 |
|---|
| Outline of Annual Research Achievements |
無機固体結晶に遷移金属元素や希土類元素を添加した無機蛍光体はディスプレイや照明用LEDに利用されている。しかし、新規材料探索においては、候補物質の組成・原子構造の複雑化に伴い、従来の合成・光学測定実験や繰り返す網羅的探索は困難となっている。そこで、本研究では、機械学習を利用して、発光波長、スペクトル幅、励起波長など、複数の光学特性を同時に予測できる新しい物性予測モデルの開発を進めてきた。
信頼性の高い機械学習モデルを作成するために、第一原理多電子計算法により系統的な発光・吸収理論スペクトルの計算を行い、実験報告例のない物質を含めた大規模計算スペクトルデータベースの作成を行った。その中でf-d遷移や配位子からの電荷移動型遷移を考慮する必要がある場合、ハミルトニアン行列の次元が増大し行列の完全対角化が不可能となる。本研究では、行列固有値の反復解法を用いて遷移の始状態の波動関数のみを求め、Green関数法の虚部として光学スペクトルを計算する手法を開発した。また、スペクトルの特徴量となるピーク位置やピーク幅の抽出するために、圧縮センシングアルゴリズムを用いたピーク分離アルゴリズムを開発した。これにより、複雑な電子遷移過程が絡む、より幅広い物質のスペクトルを集めたデータベースの構築が可能となった。
得られたデータベースを元に、スペクトルデータの回帰モデルの作成を試みた。スペクトルデータ集に対してスパース制約付き非負値分解と重回帰を組み合わせた回帰手法を開発した。予測モデルの説明変数としては、ホスト結晶の構成元素・組成・構造から容易に計算できるものを用いた。これにより、任意のホスト結晶に対する光学スペクトルを迅速に計算できるようになり、大規模な化学空間における候補物質の探索が可能となった。
これらの成果については国内外の学会および、本新学術領域の公開シンポジウムにおいて発表した。
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
