• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

「ベイズ最適化を活用した」分子自己組織化による ナノ構造制御

公募研究

研究領域ナノ構造情報のフロンティア開拓-材料科学の新展開
研究課題/領域番号 16H00879
研究種目

新学術領域研究(研究領域提案型)

配分区分補助金
審査区分 理工系
研究機関京都大学

研究代表者

Packwood Daniel  京都大学, 高等研究院, 講師 (40640884)

研究期間 (年度) 2016-04-01 – 2018-03-31
研究課題ステータス 完了 (2017年度)
配分額 *注記
6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円)
2017年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2016年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
キーワードベイズ最適化 / 密度汎関数理論 / 表面科学 / 分子自己組織化 / グラフェンナノリボン / 有機薄膜 / 有機エレクトロニクス / マテリアルインフォマティクス / molecular self-assembly / surface / first-principles / Bayesian optimisation / machine leanring / 化学物理 / 情報基礎 / 統計数学 / ナノ材料 / 複合材料
研究実績の概要

髪の毛の直径の100000分の1、銅とほぼ同じ導電率であるグラフェンナノリボン(GNR)はナノエレクトロニクスのために活発に研究されている。GNRを合成するには「ボトムアップ」というアプローチが国内外の研究グループにうまく活用されている。ここでは、金属基盤に吸着したプリカーサ分子は互いに引きあい、GNRを自己組織的に形成する。このアプローチは容易なGNR合成を可能にするが、プリカーサ分子を正しく選ばないと分子自己組織化がうまく進まない。この背景の中、与えられたプリカーサ分子の自己組織化によって何が形成されるか予測するための計算手法が必要になった。

本研究では、ベイズ最適化を密度汎関数理論(=DFT)を導入し、金属基盤上のプリカーサ分子の振る舞いを解明するための計算手法を開発した。この手法では、DFTから得られた情報による系のエネルギー地形をベイズ分析で推定し、そのエネルギー地形からエネルギーを最小化にする分子配置を予測する。この手法では、金属銅に分子が2個吸着している系に対し、ほぼ15のDFT計算の範囲以内で最適な分子配置を特定することが可能であり、分子配置の無作為抽出と比べるとほぼ9倍の効率性を達成する。プリカーサ分子が2個以上の場合を取り扱えるように研究を進めている。また、新しいGNRを形成するためのプリカーサ分子を予測するという逆問題をベイズ最適化により解決できて、横に並んでいるGNR集合を形成するプリカーサ分子を特定した。実験検証は進んでいる。

本研究の期間内に、ベイズ最適化の簡単な入門書を出版した(Packwood. Bayesian Optimization for Materials Science, Springer Briefs in the Mathematics of Materials, Tokyo, 2017)。

現在までの達成度 (段落)

29年度が最終年度であるため、記入しない。

今後の研究の推進方策

29年度が最終年度であるため、記入しない。

報告書

(2件)
  • 2017 実績報告書
  • 2016 実績報告書
  • 研究成果

    (9件)

すべて 2018 2017 2016 その他

すべて 雑誌論文 (3件) (うち国際共著 2件、 査読あり 3件、 オープンアクセス 2件) 学会発表 (4件) (うち国際学会 1件、 招待講演 4件) 図書 (1件) 備考 (1件)

  • [雑誌論文] Substrate-molecule decoupling induced by self-assembly - implications for graphene nanoribbon fabrication2018

    • 著者名/発表者名
      Xinqian Li and Daniel Packwood
    • 雑誌名

      AIP Advances

      巻: 8 号: 4 ページ: 045117-045123

    • DOI

      10.1063/1.5025101

    • 関連する報告書
      2017 実績報告書
    • 査読あり / オープンアクセス / 国際共著
  • [雑誌論文] Chemical and entropic control on the molecular self-assembly process2017

    • 著者名/発表者名
      Daniel Packwood, Patrick Han, Taro Hitosugi
    • 雑誌名

      Nature Communications

      巻: 8 号: 1 ページ: 144643-14451

    • DOI

      10.1038/ncomms14463

    • NAID

      120005971845

    • 関連する報告書
      2017 実績報告書
    • 査読あり / オープンアクセス / 国際共著
  • [雑誌論文] Rapid prediction of molecule arrangements on metal surfaces via Bayesian optimization2017

    • 著者名/発表者名
      Daniel Packwood, Taro Hitosugi
    • 雑誌名

      Applied Physics Express

      巻: 10 ページ: 065502-065506

    • 関連する報告書
      2017 実績報告書
    • 査読あり
  • [学会発表] 表面上の分子自己組織化のための機械学習とモンテカルロ法2017

    • 著者名/発表者名
      Daniel Packwood
    • 学会等名
      ものづくり企業に役に立つ応用数学手法の研究会(主催:日本応用数理学会)
    • 関連する報告書
      2017 実績報告書
    • 招待講演
  • [学会発表] Machine learning for molecular self-assembly on surfaces2017

    • 著者名/発表者名
      Daniel Packwood
    • 学会等名
      International Workshop on Machine Learning for Materials Science (Aalto University, Finland)
    • 関連する報告書
      2017 実績報告書
    • 国際学会 / 招待講演
  • [学会発表] 「ベイズ最適化を活用した」分子自己組織化によるナノ構造制御2016

    • 著者名/発表者名
      Daniel Packwood
    • 学会等名
      新学術領域「ナノ構造情報」第5全体会議
    • 発表場所
      京都
    • 関連する報告書
      2016 実績報告書
    • 招待講演
  • [学会発表] Bayesian optimization for nanostructure prediction2016

    • 著者名/発表者名
      Daniel Packwood
    • 学会等名
      COMBO Users Meeting
    • 発表場所
      東京
    • 関連する報告書
      2016 実績報告書
    • 招待講演
  • [図書] Bayesian Optimization for Materials Science2017

    • 著者名/発表者名
      Daniel Packwood
    • 総ページ数
      50
    • 出版者
      Springer
    • ISBN
      9789811067815
    • 関連する報告書
      2017 実績報告書
  • [備考] Group website

    • URL

      http://www.packwood.icems.kyoto-u.ac.jp/

    • 関連する報告書
      2017 実績報告書

URL: 

公開日: 2016-04-26   更新日: 2018-12-17  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi