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

大規模な実験的物性データを用いた結晶構造と物性との関係性解明

Research Project

Project/Area Number 22K14474
Research Category

Grant-in-Aid for Early-Career Scientists

Allocation TypeMulti-year Fund
Review Section Basic Section 26020:Inorganic materials and properties-related
Research InstitutionKyoto University

Principal Investigator

熊谷 将也  京都大学, 複合原子力科学研究所, 特定助教 (00881054)

Project Period (FY) 2022-04-01 – 2025-03-31
Project Status Granted (Fiscal Year 2023)
Budget Amount *help
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Keywordsマテリアルズ・インフォマティクス / 機械学習 / 結晶構造 / 結晶グラフ / 材料工学 / グラフ構造
Outline of Research at the Start

近年、機械学習を用いて新規材料探索の効率化を実現するMaterials Informatics (MI)研究が注目されている。MIでは、所望の物性を有する新規材料の発見が目的となるため、一般に入力を材料情報、出力を物性と設定する。特に物性は、結晶構造に強く依存している。そのため材料情報として結晶構造を選び、結晶構造と物性との関係性を学習・解明することは学術的に極めて重要である。しかし、結晶構造を収録した大規模データが第一原理計算ベースに限られるため、利用できる物性は限定されていた。本研究では、申請者が独自開発した実験的物性データベースを利用し、実験的物性値と結晶構造との関係性を学習・解明する。

Outline of Annual Research Achievements

2023年度は、本研究における学術的問いの1つである「結晶グラフは3次元情報(原子配置など)が失われており、その失われた情報が学習や予測結果にどのような影響を及ぼすか」についての解明に向けた研究に2022年度から引き続いて取り組んだ。この問いを解明することは、現在MI分野で結晶構造の特徴化として主流である結晶グラフが対応できない要素を明らかにでき、その上で結晶グラフの改良や結晶グラフ以外の結晶構造の新しい表現方法の開発等、様々な研究の展開が期待できる点で学術的に意義がある。
2022年度、3次元情報を保持できる3次元の結晶メッシュという結晶構造の新しい特徴化手法を提案し、元の結晶構造の情報である結晶系や空間群に関する予測精度が結晶グラフを利用した代表的な先行手法であるCGCNN、およびより高精度な予測が可能な手法であるALIGNNよりも高いことを明らかにした。しかし、結晶系や空間群という結晶構造の形状を対象とした予測精度の比較が中心であったため、2023年度は物性に対する予測精度の比較検証を行なった。ここで、目的変数はミクロな物性として形成エネルギー、バンドギャップ、マクロな物性として体積弾性係数、せん断弾性係数を選択した。その結果、マクロな物性に対する予測精度において、既存手法よりも高い予測精度を示すことがわかった。このことは、マクロな3次元情報を保持した提案モデルがマクロな物性に対して有用性になる可能性を示唆している。本研究成果は、2023年12月に開催された査読ありの国際会議ICMLA2023で報告し、論文はarxiv.orgに公開、プログラムコードはGithubに公開した。

Current Status of Research Progress
Current Status of Research Progress

1: Research has progressed more than it was originally planned.

Reason

「結晶グラフが元の3次元結晶構造をどの程度表現できているのか」の問いについては、結晶構造の新しい特徴化を提案し、結晶構造情報(結晶系、空間群)の予測精度に対する有用性を示した。また、「結晶グラフと物性の関係性」の問いについては、計算された物性ではあるが、とくにマクロな物性(体積弾性係数、せん断弾性係数)に対する有用性を示すことができた。そして、それらの内容は、国際会議での報告、arxiv.orgでの論文公開、Githubでのコード公開に至っている。これは、当初の計画以上の進展である。

Strategy for Future Research Activity

2022年度、2023年度では、当初予定していた2つの問い「結晶グラフが元の3次元結晶構造をどの程度表現できているのか」、「結晶グラフと物性の関係性」について概ね予定通り進められた。ただし現時点では、「結晶グラフと物性の関係性」における物性として計算された物性のみを対象としていた。2024年度は、実験的物性値との関係性に着手する。

Report

(2 results)
  • 2023 Research-status Report
  • 2022 Research-status Report
  • Research Products

    (5 results)

All 2023 2022

All Journal Article (2 results) (of which Peer Reviewed: 1 results,  Open Access: 1 results) Presentation (3 results) (of which Int'l Joint Research: 1 results,  Invited: 1 results)

  • [Journal Article] DeepCrysTet: A Deep Learning Approach Using Tetrahedral Mesh for Predicting Properties of Crystalline Materials2023

    • Author(s)
      Hirofumi Tsuruta, Yukari Katsura, Masaya Kumagai
    • Journal Title

      IEEE ICMLA2023

      Volume: -

    • Related Report
      2023 Research-status Report
    • Peer Reviewed / Open Access
  • [Journal Article] Design of Deep Learning Model for Predicting Material Properties Using Crystal Structure Represented by Three-Dimensional Mesh2022

    • Author(s)
      鶴田 博文、桂 ゆかり、熊谷 将也
    • Journal Title

      Proceedings of the Annual Conference of JSAI

      Volume: JSAI2022 Issue: 0 Pages: 4C3GS1004-4C3GS1004

    • DOI

      10.11517/pjsai.JSAI2022.0_4C3GS1004

    • Related Report
      2022 Research-status Report
  • [Presentation] DeepCrysTet: A Deep Learning Approach Using Tetrahedral Mesh for Predicting Properties of Crystalline Materials2023

    • Author(s)
      Hirofumi Tsuruta, Yukari Katsura, Masaya Kumagai
    • Organizer
      IEEE ICMLA2023
    • Related Report
      2023 Research-status Report
    • Int'l Joint Research
  • [Presentation] 3次元メッシュで表現した結晶構造を用いた材料物性の予測に向けた深層学習モデルの設計2022

    • Author(s)
      鶴田 博文, 桂 ゆかり, 熊谷 将也
    • Organizer
      2022年度人工知能学会全国大会(第36回)
    • Related Report
      2022 Research-status Report
  • [Presentation] 実験MIと新材料探索2022

    • Author(s)
      熊谷 将也, 安藤 有希, 田中 敦美, 津田 宏治, 桂 ゆかり, 黒崎 健
    • Organizer
      第83回 応用物理学会秋季学術講演会
    • Related Report
      2022 Research-status Report
    • Invited

URL: 

Published: 2022-04-19   Modified: 2024-12-25  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi