| 研究課題/領域番号 |
19H01132
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
中区分61:人間情報学およびその関連分野
|
|---|
| 研究機関 | 統計数理研究所 |
|---|
研究代表者 |
吉田 亮 統計数理研究所, 先端データサイエンス研究系, 教授 (70401263)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
44,980千円 (直接経費: 34,600千円、間接経費: 10,380千円)
2023年度: 7,930千円 (直接経費: 6,100千円、間接経費: 1,830千円)
2022年度: 7,930千円 (直接経費: 6,100千円、間接経費: 1,830千円)
2021年度: 11,050千円 (直接経費: 8,500千円、間接経費: 2,550千円)
2020年度: 7,930千円 (直接経費: 6,100千円、間接経費: 1,830千円)
2019年度: 10,140千円 (直接経費: 7,800千円、間接経費: 2,340千円)
|
|---|
| キーワード | マテリアルズインフォマティクス / 機械学習 / 分子設計 / 逆合成経路解析 / 第一原理計算 / 分子動力学シミュレーション / 高分子 / 転移学習 / 量子科学計算 |
|---|
| 研究開始時の研究の概要 |
本研究は，マテリアルズインフォマティクス（MI）と呼ばれるデータ科学と材料研究の学際領域を対象とする．一般に材料研究のパラメータ空間は極めて広大である．例えば，低分子有機化合物の化学空間には，10の60乗を超える候補物質が存在すると言われている．先端材料の研究開発では，さらにプロセスや添加剤・溶媒選択等のパラメータが加わり，パラメータ空間の次元は爆発的に増大する．MIの問題の多くは，このような広大な探索空間から所望の特性を併せ持つパラメータを同定することに帰着する．本研究は，機械学習及を方法論面の柱とし，物質構造の“表現・学習・生成”を目的とするデータ科学の体系を確立し，実践・実証研究を推進する．
|
| 研究実績の概要 |
マテリアルズインフォマティクスの要素技術開発に関する主な成果は，以下の通りである．Aoki et al., Macromolecules (2023)では，高分子相溶性予測モデルを開発し，論文発表とソフトウェア公開を実施した．Ohno et al., J Chem Inf Model (2023)では，22種類の高分子重合反応ルールを実装した仮想高分子生成モデルSMiPolyの論文発表とソフトウェア公開を実施した．本論文は，同誌のカバーアートに選定された．Zhang et al., STAM Methods (2023)では，逆合成経路予測に関する論文発表とソフトウェア公開を実施した．本論文は同誌のEditor’s choiceに選定された．Minami et al., Adv Neural Inf Process Syst (2023)では，期待損失を最小にする転移学習のクラス「アフィン転移学習」を発見し，論文を発表した．本成果の特集記事が，日経ロボティクスに掲載された．Kusaba et al., Phys Rev B (2023)では，カーネル平均埋め込みを用いて，力場パラメータに基づく高分子構造の完全表現記述子を開発し，論文発表とソフトウェア公開を実施した．
実証研究では，新しい準結晶を形成する化学組成の予測モデルを構築し，網羅的なスクリーニングを実施して4種類の新規準結晶を発見した（Liu et al., Phys Rev Mater (2023), Uryu et al., Adv Sci (2024)）．これらの物質は，準結晶研究の歴史において，機械学習が発見した初めての準結晶である．また，液晶相を形成するポリマーを設計する機械学習モデルを用いて，熱伝導率が1.0 W/(m・K) を超える新規液晶ポリマーを発見した．
|
| 現在までの達成度 (段落) |
令和5年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和5年度が最終年度であるため、記入しない。
|
