|
平成27年度は「ニューラルネットワークによる機械学習を用いたアモルファス中のイオン拡散経路の理論的同定」という課題に取り組んだ。アモルファスは周期的な原子構造を持たないため高次元の構造自由度を有しており、機能と構造に関する解析は非常に困難である。そのため、アモルファスが有する高次元構造自由度をスパース化し、機能と関連付けられる形でモデリングすることがデバイス・及び材料開発の現場では強く望まれている。我々は、アモルファスのイオン拡散機能と構造の関係性を明らかにするためイオン拡散ネットワークを理論的同定が必要であると考え、アモルファス中でCuイオンが感じる原子間力ポテンシャルのニューラルネットワークを用いたモデリングによる、拡散経路の高速探索手法を開発した。構成したポテンシャルモデルの性能を評価したところ、テストデータの誤差は0.1 eV程度であり、必要な精度を満たすモデルを構築することができた。そしてこのモデルを用いることで、一度のエネルギー評価にかかる時間を全てDFTで計算する場合に比べ数千分の一に削減することに成功した。学習データ作成に必要な計算コストがあるとはいえ、これはDFTであれば１年かかる計算をわずか数時間で実現できるほどのインパクトがある。Cuイオンは準安定配置をノードとしたネットワークの中を流れていくと考えられる。本モデルを用いることで、このネットワーク内をCuイオンが移動する際のエネルギーコストも高速に評価することに成功した。得られたネットワークの解析から今後、拡散機能と構造の関係性が明らかになると期待される。
本プロジェクトの成果として学会誌への解説記事１報、学会発表６件を行った。また本年度の成果をもとに２報の論文を執筆中である。また、本研究成果をもととして５件の共同研究に結びつけた。
|
