| 研究課題/領域番号 |
21K20537
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
0501:物理化学、機能物性化学、有機化学、高分子、有機材料、生体分子化学およびその関連分野
|
|---|
| 研究機関 | 奈良先端科学技術大学院大学 |
|---|
研究代表者 |
藤井 幹也 奈良先端科学技術大学院大学, 先端科学技術研究科, 教授 (20582688)
|
|---|
| 研究期間 (年度) |
2021-08-30 – 2023-03-31
|
| キーワード | 生成モデル / 無機結晶材料 / コポリマー合成 |
|---|
| 研究成果の概要 |
所望の物性値を示す材料の新規探索は重要な興味の一つである。このために、我々はGAN(Generative Adversarial Network)を用いて所望の物性値を示す組成式の生成モデルを構築した。このGANでは指定物性値に応じて、生成分布が正しく変化していくことがわかった。そして、CSPML (Cristal Structure Prediction with Machine Learning)法を用いることで生成された組成式の結晶構造の予測もできた。さらに、物質変数とプロセス変数の統合を目指し、高分子重合反応の生成物予測に取り組み、ベイズ最適化によるプロセス変数の最適化も実証した。
|
| 自由記述の分野 |
理論化学、計算化学、マテリアルズ・インフォマティクス
|
| 研究成果の学術的意義や社会的意義 |
本研究は、材料開発において機械学習・深層学習の新たな活用方法を生み出すものである。従来の材料開発においては、物質の合成・解析の結果を研究者が考察し、次のさらなる候補を提案することを繰り返すループにより新材料を創出してきた。本研究では、材料候補の提案が機械学習・深層学習に可能であることを示すものである。さらに、材料の合成においては種々の合成プロセスパラメータの最適化が必要であるが、本研究ではこのプロセスパラメータの最適化も機械学習による可能であることを示した。これらは、材料開発の自動化という新しい技術につながる重要なものである。
|
