| Project/Area Number |
20K15181
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 30010:Crystal engineering-related
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
Kusaba Akira 九州大学, 応用力学研究所, 准教授 (70868926)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2020: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | 窒化ガリウム / 表面再構成 / 第一原理計算 / ベイズ最適化 / イジング模型 / エレクトロン・カウンティング則 / 分配関数 / 窒化物半導体 / 気相成長 / 記述子 / 計算科学 / 結晶成長プロセス・インフォマティクス |
|---|
| Outline of Research at the Start |
結晶成長プロセス・インフォマティクスでは、[A. 成長条件] --(計算科学・その場計測)--> [B. 状態量] --(教師なし学習)--> [C. 特徴量] --(教師あり学習)--> [D. 結晶品質] というフローで、[D. 結晶品質] の精密な予測器を構築することで、最適な [A. 成長条件] の効率的探索を目指している。本研究課題では、大規模な表面構造の第一原理計算を行い、リアリスティックに表面再構成を同定する。その結果は、表面エネルギーや付着率などの重要な状態量に影響を与える。構造探索には、結晶界面マテリアルズ・インフォマティクスで実績のあるベイズ的機械学習アプローチを適用する。
|
| Outline of Final Research Achievements |
Targeting a surface system with a huge number of candidate structures (about 4.7 million), a more stable structure than the conventional model was found from first-principles calculations and sampling by Bayesian optimization. The analysis of the sampled structures inspired me to express the concept of the electron counting rule using the Ising model. By learning the model parameters from the above sampled data, the full picture of the search space was successfully revealed. In addition, using the learned model, a partition function can be calculated to obtain the thermodynamic quantities.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究は、従来、小規模表面セルで研究されてきた表面再構成から、それらの混合物を考え、大規模（ナノスケール）表面セルで表現するという、リアリスティックな表面構造モデリングのための新たな着眼点を示した。マテリアルズ・インフォマティクスの分野では、機械学習ポテンシャルによる材料開発が注目を集めているが、本研究で提案した手法は、その離散構造バージョンとしての発展の可能性を有しており、結晶材料開発と相性の良い汎用手法になることが期待される。
|
