2017 Fiscal Year Annual Research Report
高次元空間自由度のスパース化による反応シミュレーション解析
Publicly Offered Research
| Project Area | Initiative for High-Dimensional Data-Driven Science through Deepening of Sparse Modeling |
|---|
| Project/Area Number |
16H01535
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
安藤 康伸 国立研究開発法人産業技術総合研究所, 材料・化学領域, 研究員 (00715039)
|
|---|
| Project Period (FY) |
2016-04-01 – 2018-03-31
|
| Keywords | 機械学習 / ニューラルネットワーク / 第一原理計算 / アモルファス / 化学反応 |
|---|
| Outline of Annual Research Achievements |
本研究課題では以下の２テーマに取り組んだ。
(1)スパースモデリングによる複雑イオン伝導モデリング手法の開発：第一原理計算の結果をニューラルネットワーク（NN）で学習（補間）することで、高精度な経験的ポテンシャルを作成する手法を利用してアモルファス材料内部のイオン拡散やアモルファス材料の特徴的構造を再現することに成功した。本成果は、課題の特徴に即して従来型の高次元NNを簡素化することで実施されており、計算コストや学習コストを下げることで実現された。またNNポテンシャルを利用することで効率的に金属原子の拡散経路を探索できたり、イオンの拡散係数を第一原理計算の精度を保ちながら見積もることが可能となった。本成果に関連した論文を２報、発表した。
(2)化学反応座標のスパース化による自由エネルギー計算手法の開発：実験的に得られた収率は反応の自由エネルギーと強く関連している。計算シミュレーションで自由エネルギーを直接計算するのではなく、実験収率の結果を「学習」して計算シミュレーションによって得られたパラメータから触媒性能を予測することに成功した。これにより均一系触媒を合成する前にある程度の性能予測が行えるために効率的な実験計画を組むことができると期待される。本成果に関連した論文を１報、発表した。
これらの成果を上げる過程で得た知見は関連研究者より高く評価され、H29年度には８件の招待貢献と１件の解説記事を発表した。これらにより、本研究成果は他研究者から高い注目を受けていると言える。
|
| 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。
|
