研究課題
基盤研究(C)
原子構造によって決まる電子状態は様々な物性や化学反応の根源であり物質の情報を豊富に含むため、材料特性の理解や予測に活用されている。そのため、電子状態は原子構造と様々な物性に紐づく汎用的な説明変数として機械学習による物性予測などに活用が期待できる。しかし、機械学習を用いた物性予測における電子状態の活用は未だ限定的である。本研究では、金属サブナノクラスターなどを対象に構造と電子状態密度と物性の相関に機械学習を適用することを通して、電子状態の物性予測や物質設計における有用性を検証し、汎用性の高い物性予測手法の開発を目指す。
