| 研究領域 | 機能コアの材料科学 |
|---|
| 研究課題/領域番号 |
19H05787
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
溝口 照康 東京大学, 生産技術研究所, 教授 (70422334)
|
|---|
| 研究分担者 |
世古 敦人 京都大学, 工学研究科, 准教授 (10452319)
豊浦 和明 京都大学, 工学研究科, 准教授 (60590172)
|
|---|
| 研究期間 (年度) |
2019-06-28 – 2024-03-31
|
| キーワード | 機能コア / 界面 / 表面 / 転位 / 情報科学 / シミュレーション / ナノ計測 / インフォマティックス |
|---|
| 研究実績の概要 |
本計画班の研究により，様々な材料の機能コアの構造と物性を効率的に決定することが可能となり，機能コアの理解が格段に加速されると期待される．
2019年度の本新学術領域研究のスタートまでには，機械学習を利用した界面構造決定法を開発してきた．界面構造を高速に決定する手法を開発した一方で，界面における構造と機能との相関性は不明瞭であった．そこで，界面における構造機能相関の解明を試みた．具体的には，FeやCu粒界に関して，界面エネルギーと界面における欠陥生成エネルギーを網羅的に計算し，構造と機能の相関性を調べた．その結果，界面における特定の結合種が空孔形成挙動と相関していることが明らかとなった．
また，FCC金属やシリコン，合金など，計47種類の機械学習ポテンシャル（MLIP）を開発した．MLIPを開発するためのコードや，開発したMLIPはすでにgithubで公開されており，領域内外の共同研究に供されている（https://github.com/sekocha）．その他にも，第一原理計算と情報科学の技法を組み合わせることにより，制約を満たす結晶構造の列挙手法の開発，酸素欠損ペロブスカイトの構造探索などを実施した．
さらに，固体内拡散の高精度かつ高効率な情報科学をもとにした新たな解析手法を開発した．本手法は，ベイズ最適化やサポートベクトルなどを利用することで，結晶内における拡散原子のポテンシャルエネルギー曲面 (PES) の第一原理評価において，一部の領域を選択的に評価することで拡散係数を精度よく見積もることができる．
機械学習を用いた計測データの解析も進んでいる．本領域で広く利用されている透過型電子顕微鏡で測定される，電子エネルギー損失分光法の吸収端近傍微細構造（ELNES）の理論解析を飛躍的に向上するための手法も開発した．
|
| 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
現在までに原子間ポテンシャルの手法開発を実施し，合金系も対象とした原子間ポテンシャルを開発し，すでに公開している．これらを用いて機能コアに関連した系を高精度に計算することが今後可能である．さらに，これまでの研究では，拡散挙動の高精度かつ高効率な解析手法の開発を完了してきた．
また，ナノ計測で取得されるデータと機械学習との連携研究も進めており，これまでに専門の研究者でも得ることが出来ない新しい情報の抽出に成功している．
以上から，機能コアの構造決定計算，計測データ解析，物性予測のための手法開発が順調に進んでいることから，「おおむね順調に推進している」とした．
一方で，新型コロナウィルスの影響で海外渡航が不可能となり，国際会議参加のための旅費の繰り越しせざるを得なかった．
|
| 今後の研究の推進方策 |
今後も継続的に機械学習ポテンシャルの充実と，それらを使用した機能コア解析を進める．また，界面に加えて表面における現象にも取り組み，表面インフォマティクスの確立を目指す．また，高精度原子間ポテンシャルは第一原理計算よりは高速である一方で，実験的なポテンシャルと比較すると計算速度は低く，計算規模には制限がある．それらを考慮し，高速化と精度とのトレードオフに関して検討を進める．また，固体内拡散の高精度・高効率解析手法の開発にも取り組む．計測データとの連携も今後進める．計測データを機械学習により解析し，これまで得ることが出来なかった機能情報の抽出にも取り組む．
|
