| 研究課題/領域番号 |
20K12488
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分80040:量子ビーム科学関連
|
|---|
| 研究機関 | 国立研究開発法人量子科学技術研究開発機構 |
|---|
研究代表者 |
植木 悠二 国立研究開発法人量子科学技術研究開発機構, 高崎量子応用研究所 先端機能材料研究部, 併任 (50446415)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2023年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 量子ビーム / 放射線グラフト重合 / 機械学習 / 重合予測 / モデル式 |
|---|
| 研究開始時の研究の概要 |
高分子材料開発において、国際的に高い競争力を今後も牽引するためには、従前の「経験と勘」といった非効率的な手法を刷新し、開発期間の短縮化、開発費用の低コスト化と同時に社会的要請に対する高い即応力を併せ持つ合理的な材料創製手法の開発が急務である。本研究は、高分子改質手法である放射線グラフト重合技術に統計解析手法などの機械学習を融合することにより、基材や薬品の分子情報を基に重合収率を高精度に予測可能な解析手法を開発し、開発期間短縮とコスト削減に資する基盤技術の確立を目指す。
|
| 研究成果の概要 |
従来の高分子材料開発では、研究者の「経験と勘」に基づいた非効率的な試行錯誤的実験に頼ることが多く、新材料が完成するまでには膨大な時間と費用を必要とする。本研究では、高分子材料の改質手法である放射線グラフト重合技術において、従来の経験的な実験科学に機械学習手法を融合させることにより、重合反応に使用するモノマー（薬品）の物性情報のみからグラフト重合反応率を瞬時に予測できるAIモデルの創出に成功した。また、開発したAIモデルを解析したところ、モノマーの「分極率」と、モノマーの置換基近傍にある酸素原子の「NMR化学シフト」が重合反応予測の鍵となる重要因子であることが判明した。
|
| 研究成果の学術的意義や社会的意義 |
本成果は、機能性高分子材料の創製手法のひとつである放射線グラフト重合における機械学習利用の有用性を示したものである。本成果は、低コストで迅速性のある効率的な高分子材料開発に資する基礎技術であり、企業競争力向上に貢献可能であることから、その社会的意義は大きい。また、本成果の応用・発展は、高分子材料開発分野における新たな科学的知見の発見や革新的高分子材料の創出に繋がる可能性を有していることから、その学術的意義も大きい。
|
