| 研究課題/領域番号 |
20H02423
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分26010:金属材料物性関連
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
林 博之 京都大学, 工学研究科, 助教 (50727419)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
18,590千円 (直接経費: 14,300千円、間接経費: 4,290千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2020年度: 15,730千円 (直接経費: 12,100千円、間接経費: 3,630千円)
|
|---|
| キーワード | 無機化合物探索 / 酸化物合成 / 合成条件推薦システム / 並列合成実験 / 新規物質探索 / 酸化物 / ロボット協働合成実験 / 機械学習 / 自律運転ロボット / 合成プロセスの機械学習 / 推薦システム |
|---|
| 研究開始時の研究の概要 |
既知物質の機能を大きく凌駕する新規物質が発見できれば、物性発現機構の理解を深化するだけでなく、産業のイノベーションにも繋がることが期待される。未知物質探索をこれまで以上に加速するために、ロボット協働合成実験による大規模な合成条件データベースと、研究代表者が開発した合成条件推薦システムとの組み合わせた物質探索手法を構築する。本研究により、これまで各合成研究者の勘と経験に基づいていた合成指針を、大量の合成データと推薦システムに基づいて定量的に表現できる。
|
| 研究成果の概要 |
本研究では、ロボットを用いた並列自動実験により多数の合成実験を行い、その合成結果をデータベースとして整理し、機械学習手法の一つである推薦システムを適用することで全くの未実験条件であってもその合成結果を予測可能であることを示した。実際に2つの新物質を発見し、その結晶構造を報告した。また、多数の酸化物合成実験を迅速に行うための前駆体合成手法として配位高分子に着目し、実際にどのような条件で単純酸化物および複合酸化物を合成できるかの検証を行った。ゾルゲル法や錯体重合法といった加熱乾燥を必要とする手法に比べ高速な前駆体作製手法を開発し、実際に複合酸化物の合成が可能であることを示した。
|
| 研究成果の学術的意義や社会的意義 |
本手法により合成に失敗するであろう合成条件を避けて効率的に探索実験を進めていくことができ、研究開発者の労力やコスト削減だけでなく、資源の浪費を抑えることができるようになる。また、機械学習手法がどのように予測しているかということを解析し、合成条件間の類似性などを定量的に評価できるため、合成研究の理解の深化が期待できる。
|
