研究課題/領域番号 |
22K04808
|
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27010:移動現象および単位操作関連
|
研究機関 | 工学院大学 |
研究代表者 |
高羽 洋充 工学院大学, 先進工学部, 教授 (80302769)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (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)
2024年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
|
キーワード | 機械学習 / 分離膜 / 生成アルゴリズム / 潜在表現 / Variational Autoencoder / ガス分離 / 二酸化炭素 / 膜分離 / データベース / 高分子膜 |
研究開始時の研究の概要 |
Junction Tree Variational Auto-encoders (JT-VAE)を応用し、測定データの特徴量がマッピングされた潜在空間から、目標となる膜透係数・分離係数を実現できる分離膜構造を自動探索できる機械学習法を開発する。現在、世界的規模で膜透過測定データベースが構築され、機械学習を用いた研究が報告されている。本研究では、最新の機械学習法であるJT-VAEをベースに分離膜に特化した未知、既知に関わらず最適な分離膜構造を逆設計するシステムを世界で初めて開発する。
|
研究実績の概要 |
本研究の目的は、広大な化合物空間から最適な膜構造をサンプリングできる、JT-VAE機械学習システムを構築することである。具体的には、混合ガス分離系に対して、最適な膜構造を測定データから創造できるシステムを構築する。前年度までの成果として、データベースの選定と構築、JT-VAEから生成された仮想的な高分子膜の透過性能を予測が可能となった。しかながら、対象とするポリマーとして、比較的低分子量が小さい(約1000以下)のホモポリマーのみしか取り扱うことができなかった。その理由として、JT-VAEが原理的に、分子量が小さいもののみしか取り扱えないことに起因する。JT-VAEのアルゴリズムでは、分子量が1000を超えると学習と生成に要する計算時間が飛躍的に増大し、実際上適用できないためである。そこで、今年度は、ブロック共重合体などへの展開を見据えて、より大きなモノマー分子(分子量2000以上)を取り扱えるように、生成モデルアルゴリズムの見直しを行った。具体的には、階層的VAEであるHierarchical-VAEを応用し、高分子膜の生成を検討した。従来報告されている二酸化炭素分離性能に優れた分離膜の多くはポリイミド系であり、分子量は1000以上ものものが多い。本年度、作成したHierarchical-VAEに、新たな高分子データベースとしてポリイミド系データベースを学習させ、その結果、分子量が1000~3000程度の高分子を生成することに成功した。さらに、学習させたモデルを用いて分子量が大きい新規な高分子膜構造を生成し、二酸化炭素分離膜性能を評価した。その結果、従来のポリイミド系よりも性能に優れた高分子膜構造を見出すことに成功した。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
共重合ポリマーやポリアミド系高分子膜を取り扱えるように、分子量の大きな高分子を生成できるHierarchical-VAEに基づく膜設計システムを開発できた。
|
今後の研究の推進方策 |
今年度は、アモルファスシリカ膜、ゼオライト膜、炭素膜をターゲットとする。被分離対象としては、これまでと同様に、無機ガス(CH4, CO2, He, H2, N2)を対象とする。さらに、DACなど具体的な分離系を想定して既存膜を凌駕する新規膜構造を探索する。また、実験研究者と協力を図る。
|