• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to previous page

網羅的第一原理分子動力学計算に基づいたLiイオン拡散係数予測モデルの構築

Research Project

Project/Area Number 15J07421
Research Category

Grant-in-Aid for JSPS Fellows

Allocation TypeSingle-year Grants
Section国内
Research Field Inorganic materials/Physical properties
Research InstitutionKyoto University

Principal Investigator

炭谷 晃史  京都大学, 工学研究科, 特別研究員(DC2)

Project Period (FY) 2015-04-24 – 2017-03-31
Project Status Completed (Fiscal Year 2016)
Budget Amount *help
¥1,900,000 (Direct Cost: ¥1,900,000)
Fiscal Year 2016: ¥900,000 (Direct Cost: ¥900,000)
Fiscal Year 2015: ¥1,000,000 (Direct Cost: ¥1,000,000)
Keywordsリチウムイオン伝導体 / 固体電解質 / 分子動力学 / 機械学習 / マテリアルズインフォマティクス / イオン伝導体 / 分子動力学法 / データマイニング
Outline of Annual Research Achievements

最終年度である2年目は,初年度で得た知見をもとに新規リチウムイオン伝導体の探索手法の開発を行った.未知物質について安定構造を知ることは第一原理計算を用いたとしても容易とはいえない現状を考慮すると,結晶構造に関する情報を用いずに化学組成に関する情報のみで候補材料を探索する手法を開発することが望ましいといえる.そこで,本研究では近年に物質探索の分野において成果を上げているガウス過程回帰に基づいたベイズ最適化手法(クリギング法)を用いて,効率的に材料探索を行う手法を開発することを目指した.
1年目に行った3元または4元系リチウム複合酸化物合計797種に対して行った温度1600 Kでの分子動力学計算から求めたリチウムの拡散係数の対数を目的変数とした.説明変数の組み合わせごとに予測と選択を繰り返し最大の拡散係数を有する物質を発見するまでに要する回数を評価した.
構成元素の原子番号,原子量,電気陰性度などの平均および分散を元素に関する情報のみから求まる説明変数として用いた.このような説明変数を用いてクリギング法を行うことによりデータ全体の14%を探索することで最高の拡散係数を有する物質を発見することができた.初年度の研究で今回用いた拡散係数の対数と良い相関を示すことが確認された構成イオンの動径分布関数から導出された構造記述子を含む説明変数を含む説明変数セットと比較しても探索試行回数が27%少ないことが確認され,この元素情報のみを用いた説明変数セットは本研究で用いた説明変数セットのなかで最も少ない探索試行回数で最高の拡散係数を有する物質を発見することが可能であることがわかった.以上の結果から,多様な結晶構造と組成の組み合わせの酸化物を含む物質の集合の中から,分子動力学計算で求めた拡散係数が高い物質を組成に関する情報のみを用いることで効率的に探索することが可能であることが示された.

Research Progress Status

28年度が最終年度であるため、記入しない。

Strategy for Future Research Activity

28年度が最終年度であるため、記入しない。

Report

(2 results)
  • 2016 Annual Research Report
  • 2015 Annual Research Report
  • Research Products

    (3 results)

All 2017 2016 2015

All Journal Article (1 results) (of which Peer Reviewed: 1 results,  Acknowledgement Compliant: 1 results) Presentation (2 results) (of which Int'l Joint Research: 1 results)

  • [Journal Article] Machine Learning of Lithium Diffusivity Dataset by Molecular Dynamics Simulations for Inorganic Oxide Crystals2016

    • Author(s)
      A. Sumitani, A. Seko, Y. Koyama, and I. Tanaka
    • Journal Title

      AMTC Letters

      Volume: 5 Pages: 120-121

    • Related Report
      2016 Annual Research Report
    • Peer Reviewed / Acknowledgement Compliant
  • [Presentation] Machine Learning of Lithium Diffusivity Dataset by Molecular Dynamics Simulations for Inorganic Oxide Crystals2017

    • Author(s)
      A. Sumitani, A. Seko, Y. Koyama, and I. Tanaka
    • Organizer
      The 5th International Symposium on Advanced Microscopy and Theoretical Calculations
    • Place of Presentation
      名古屋市ウインクあいち
    • Year and Date
      2017-05-11
    • Related Report
      2016 Annual Research Report
    • Int'l Joint Research
  • [Presentation] 機械学習による無機固体中のLiイオン拡散係数予測モデルの構築2015

    • Author(s)
      炭谷晃史,世古敦人,小山幸典,田中功
    • Organizer
      日本金属学会
    • Place of Presentation
      九州大学
    • Year and Date
      2015-09-16
    • Related Report
      2015 Annual Research Report

URL: 

Published: 2015-11-26   Modified: 2024-03-26  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi