| 研究課題/領域番号 |
17K19953
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 北海道大学 |
|---|
研究代表者 |
瀧川 一学 北海道大学, 化学反応創成研究拠点, 特任准教授 (10374597)
|
|---|
| 研究期間 (年度) |
2017-06-30 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
5,720千円 (直接経費: 4,400千円、間接経費: 1,320千円)
2019年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2018年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2017年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
|---|
| キーワード | 機械学習 / 不均一系触媒 / 固体触媒 / データ駆動科学 / データマイニング / マテリアルズインフォマティクス |
|---|
| 研究成果の概要 |
本課題では、主として反応物の存在する気体や液体と接して触媒作用を示す固体触媒の探索と設計を対象に、実験やシミュレーションにより生成されるデータに基づく機械学習を利活用するための枠組みとベストプラクティスの確立を目的とした。固体触媒の組成データについて実際に予測性能の向上に寄与する入力表現法の開発、アンサンブル学習によるばらつきの大きな訓練データからの予測モデルの確立、文献データなど実験や計算に伴う人間由来の強いバイアスを考慮した上で、探索済み空間の精緻化探索と未探索空間の検査・探索のバランスを両立した逐次実験計画を提案することができた。
|
| 研究成果の学術的意義や社会的意義 |
産業や社会で求められる新物質・新材料の探索プロセスでは、個々の候補材料の物性は実験や電子状態計算によって個別に調べられてきた。こうした探索は候補の選別に経験と勘が必要となる上、時間や手間の面で高コストである。近年求められる候補材料がますます複雑化し材料探索が困難になり、この試行錯誤プロセスを合理化・効率化するため、機械学習などのデータ科学への期待はますます高まっている。本研究で確立した機械学習活用の枠組みやベストプラクティスは工業合成や排ガス浄化など産業上も非常に重要となる不均一触媒の設計や探索のデータに基づく効率化に寄与するものである。
|
