| 研究課題/領域番号 |
23K23022
|
|---|
| 補助金の研究課題番号 |
22H01754 (2022-2023)
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 基金 (2024)
補助金 (2022-2023) |
|---|
| 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 | 東京大学 |
|---|
研究代表者 |
澁田 靖 東京大学, 大学院工学系研究科(工学部), 教授 (90401124)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
17,160千円 (直接経費: 13,200千円、間接経費: 3,960千円)
2024年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
2023年度: 7,150千円 (直接経費: 5,500千円、間接経費: 1,650千円)
2022年度: 6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
|
|---|
| キーワード | 組織形成 / メタダイナミクス / 分子動力学 / 粗視化分子動力学 / 機械学習 / 深層生成モデル / 変分オートエンコーダ / 敵対的生成ネットワーク / 界面エネルギー |
|---|
| 研究開始時の研究の概要 |
本研究ではメタダイナミクス法を分子動力学(MD)シミュレーションに導入し，原子情報のみから正確に自由エネルギーを導出できる材料組織計算の方法論を確立し，現状のMDのみでは解決不可能な材料組織領域の学理開拓を目指す．具体的には，鉄基合金の非平衡温度下における固液共存状態の自由エネルギー曲面からの界面エネルギーを系統的に導出する．さらに深層生成モデルに基づくMDシミュレーションの新しい時間加速手法の確立を目指す，具体的には変分オートエンコーダ(VAE)を用いて材料組織座標から潜在空間における特徴を抽出し，再帰的ニューラルネットワークを用いて潜在空間内の時間発展の予測を行う．
|
| 研究実績の概要 |
本研究では，自由エネルギー探索手法の一つであるメタダイナミクス法を導入し，局所平衡が成り立たない非平衡条件下の固液界面や双晶を有する核生成微細構造など，従来のモデルで説明できない現象の自由エネルギー探索を試みることを目的としている．2023年度は，これまで純金属及び置換型固溶体合金系に対して適応可能であったメタダイナミクスによる固液界面エネルギー導出方法を，侵入型固溶体合金系へと拡張する手法の開発を行った．開発した手法によりα(bcc)Fe-C系における固液界面エネルギーのC濃度依存性の解析を行い，C濃度増加につれ固液界面エネルギーが減少することを見出した．また同手法において従来問題となっていた目標以外の指数面界面が出現することを抑制するモデルを新たに提案し，数値的に安定な導出手法を確立した，現在これらの成果を国際会議MMM11にて発表する予定で申し込み済である．
また，長時間スケールにわたる組織形成過程の原子論的理解に向け，生成AI・深層生成モデルに基づく組織形成過程の原子構造予測手法の開発に着手した．具体的にはVAE(変分オートエンコーダ)を用いて分子動力学シミュレーションの情報を潜在変数空間に圧縮し，潜在変数の時間発展予測結果の復元により，組織構造の未来予測ができる可能性を示すことに成功した．さらに生成モデルの可能性探索を目的とし，GAN(敵対的生成ネットワーク)を用いてランダムノイズから材料特性を包括した情報を生成し，金属材料の熱伝導特性を予測に成功した．これらの成果を学会発表(日本金属学会)及び，論文公開(Acta Materialia, J Phys: Cond Matter)し，知見の公表を行った．
|
| 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
当初の予定通り，メタダイナミクスを用いた組織形成に係る物性導出手法の開発を行い，侵入型固溶体を対象とした新しい固液界面エネルギー導出法の開発及びこれを用いたFe-C合金固液界面エネルギーの温度依存性検討を行い，研究成果を国際会議にて発表予定などおおむね順調に進展している．
|
| 今後の研究の推進方策 |
長時間スケールにわたる組織形成過程の原子論的理解に向け，生成AI・深層生成モデルに基づく組織形成過程の原子構造予測手法を開発中である．これまでVAE(変分オートエンコーダ)やLSTM(長・短期記憶)などの再帰型ニューラルネットワークを用いてきたが，新たにTransformerやDiffusionモデルなどの新しい手法を導入して高精度予測手法の確立を目指す．
|
