| 研究実績の概要 |
本研究課題では、粒子群最適化および進化論的アルゴリズムを利用した結晶構造予測による物質探索ということで情報科学的基盤を活用した物質探索を行った。主に、下記の３項目の課題に取り組んだ。（１）結晶予測法を用いたクラスター構造の生成と最適化（２）ベイズ最適化とデータベースを組み合わせた高仕事関数・低仕事関数物質の探索（３）データベースに基づいた新規エレクトライド物質の探索
それぞれの詳細は以下のとおりである。
（１）金属クラスターは様々な異性体構造を有するが、粒子群最適化および進化論的アルゴリズムを用いることで効率的に最安定構造を調べることが可能である。これを利用して、有機分子と金属クラスターとの最安定な吸着構造を効率的に探索する手法を確立した。
（２）仕事関数は表面科学において最も基礎的かつ重要なパラメータの１つであり、高仕事関数あるいは低仕事関数の材料を効率的に探索することは表面科学の発展において重要である。しかしながら、仕事関数を目的変数として効率的に最適化する手法は未だ確立されていない。本研究では、少ない観測回数で未知関数を最適化するベイズ的最適化と第一原理計算を組み合わせた手法を用い、効率的に仕事関数が低い材料および高い材料の取得する方法を確立した。
（３）近年、熱的に安定な無機のエレクトライドは触媒や電子デバイスの材料として期待されている。本研究ではデータベーススクリーニングと第一原理計算によってリチウムの14族化合物（リチウムテトレライド）であるLi17Tt4 (Tt = Si, Ge, Sn, Pb)が新規のエレクトライドであるということを明らかにした。
|
