計画研究
高分子ブロック共重合体のミクロ相分離構造の解析を行った．ミクロ相分離の構造データから応力ひずみ挙動を3次元畳み込みニューラルネットワークで予測する課題において，転移学習を用いることで先行研究より高性能な手法を開発した．エラストマーの重み付きネットワーク表現と一軸伸長におけるネットワーク構造の変化を解析し，架橋点のゴム弾性への寄与の仕方が架橋反応濃度によって異なることを明らかにした．結晶性高分子のX線散乱回折データの解析も行った．結晶性高分子は分子鎖が折りたたまれた階層的な結晶構造を有するが，各階層の結晶構造，生成条件，物性の間の関係は明らかになっていない．結晶性高分子のX線散乱回折データでは機械学習を適用できる体系的なデータが少なく，ランダムフォレストを用いた特徴量解析はほとんど行われていない．そこで，ポリ乳酸を様々な条件によって成形し，結晶格子，ラメラ結晶に対応する構造を広角X線回折と小角X線散乱で測定したデータを共同研究者から提供いただいた．ランダムフォレストを用いてそれぞれの物性に対する結晶構造や成形条件の影響を解析した結果，生分解性と形状安定性は異なった階層のX線散乱回折データの重要度が高いことが示唆された．成形条件のみの解析では結晶化温度が最も重要な説明変数であったが，成形条件やX線散乱回折データ等さまざまな特徴量を同時に説明変数としてランダムフォレスト回帰を行うことにより，結晶化温度よりも物性に関与する結晶構造を抽出することができた．
令和3年度が最終年度であるため、記入しない。
すべて 2021
すべて 雑誌論文 (4件) (うち査読あり 4件、 オープンアクセス 4件) 学会発表 (3件) (うち国際学会 2件、 招待講演 1件)
Journal of Computer Chemistry, Japan
巻: 20 ページ: 89-91
10.2477/jccj.2021-0040
巻: 20 ページ: 100-102
10.2477/jccj.2021-0037
巻: 20 ページ: 103-105
10.2477/jccj.2021-0042
巻: 19 ページ: 136-138
10.2477/jccj.2021-0001
