| 研究課題/領域番号 |
23K19187
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
0401:材料工学、化学工学およびその関連分野
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
辻川 皓太 九州大学, エネルギー研究教育機構, 学術研究員 (50986437)
|
|---|
| 研究期間 (年度) |
2023-08-31 – 2025-03-31
|
| 研究課題ステータス |
完了 (2024年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2024年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | プロトン伝導性酸化物 / 機械学習 / サンプリング手法 / 予測モデル / 材料探索 / ペロブスカイト型酸化物 / マテリアルズ・インフォマティクス / プロトン伝導セラミック燃料電池 / 構造・機能材料 / 無機材料 |
|---|
| 研究開始時の研究の概要 |
材料物性予測モデルの活用は、著しく材料探索を加速させる。
しかし、予測モデル構築には訓練データ取得プロセスが必要であり、本プロセス時間を考慮して材料開発期間が短縮されたかは不明である。
本研究では、材料物性予測モデル構築をアシストするシステムを開発し、正味の材料開発期間を短縮させる。物性予測の重要記述子を提案、予測モデルの適用範囲を効率的に広げるサンプリング方法により、材料開発者の記述子‐物性相関の解釈性を支援する。開発した支援システムをプロトン伝導性酸化物探索へ適用し、2年という短期間で高性能な予測モデルと新規高プロトン伝導体を創出し、燃料電池開発を促進する。
|
| 研究成果の概要 |
本研究では、研究者と機械学習モデルの相互解釈を支援するシステムを構築し、材料探索の効率化を図った。従来、訓練データの選定は研究者の経験に依存していたが、本システムでは記述子空間に基づいてバランスよくサンプリングを行うことで、限られたデータでも高精度な予測モデル構築が可能となった。実際に、プロトン伝導性酸化物を対象に3種のサンプリング戦略を比較した結果、提案手法は高伝導度組成への迅速な到達を実現し、探索効率が大幅に向上することを実証した。本成果は、材料開発における人とAIの協働を促進し、探索スピードの飛躍的な向上に貢献するものである。
|
| 研究成果の学術的意義や社会的意義 |
本研究は、材料科学と機械学習の融合により、従来の経験則に依存した材料探索から脱却し、効率的な探索手法を提示した点で学術的意義が高い。特に、記述子空間を活用した戦略的サンプリングにより、少数の実験データからでも高性能材料の発見が可能となることを示した。社会的には、燃料電池材料などの高機能材料の開発期間を短縮できるため、クリーンエネルギー技術の早期実用化やカーボンニュートラル社会の実現に貢献する点で大きな意義を持つ。
|
