| 研究課題/領域番号 |
18K18801
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分18:材料力学、生産工学、設計工学およびその関連分野
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
梅野 宜崇 東京大学, 生産技術研究所, 准教授 (40314231)
|
|---|
| 研究期間 (年度) |
2018-06-29 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
6,370千円 (直接経費: 4,900千円、間接経費: 1,470千円)
2019年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2018年度: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
|
|---|
| キーワード | 原子間ポテンシャル / 反応力場 / 機械学習 / マルチフィジックス |
|---|
| 研究成果の概要 |
本研究では、原子モデリングの枠組み（高コストな量子力学計算を要しない）で化学反応を記述する、反応分子動力学法を実行する際に必須となるReaxFF反応力場（原子間ポテンシャル関数）の構築を、機械学習技術を取り入れることによって格段に効率化・簡単化するフィッティング自動化アルゴリズムを構築した。フィッティングのターゲットとなるリファレンス構造群を設定し、フィットした関数のスコアを評価することでリファレンス構造群を更新するアルゴリズムを作成した。テストケースとして酸化ニッケルの還元問題を取り上げ、従来の力場で不可能であった融点の高精度な再現や還元プロセスの正確な再現などに成功した。
|
| 研究成果の学術的意義や社会的意義 |
燃料電池の反応プロセスやガス環境下での材料破壊など、化学反応過程を原子レベルで明らかにすることが求められる問題は多く、これをスパコンなどの超大規模計算機を必要とすることなく効率的にシミュレーションする技術が反応分子動力学法であるが、そこで必要となる反応力場（原子間ポテンシャル）の作成は関数の複雑性のため極めて難しく、その技術は世界でも一部のグループに独占されていた。我々は独自の機械学習アルゴリズムによって力場作成の工程を自動化することで、反応力場作成を大幅に効率化・簡単化した。これによって、研究室レベルの計算機資源で化学反応過程の原子シミュレーションを行う基盤が整備された。
|
