2022 Fiscal Year Annual Research Report
実験プロセスや試料構造の影響を考慮して物性値を予測する次世代MIの開発
| Project/Area Number |
20K22466
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
熊谷 将也 京都大学, 複合原子力科学研究所, 特定助教 (00881054)
|
|---|
| Project Period (FY) |
2020-09-11 – 2023-03-31
|
| Keywords | マテリアルズ・インフォマティクス / プロセス・インフォマティクス / 機械学習 / 材料工学 |
|---|
| Outline of Annual Research Achievements |
本研究では、各実験プロセスや試料構造の影響を考慮した高精度な物性値予測ができる次世代MIを開発することを目的し、2020、2021年度には目的達成に必要な学習データの準備およびプロセス・構造・物性の各要素間の関係性の分析、最終年度には研究期間全体を通して得られた知見をもとにした独自の大規模データセットのオープンデータとしての公開や成果報告を行った。
プロセス情報を含めた物性の予測を可能にすることは、新規材料開発の効率化に貢献することができるため大きな意義がある。本研究におけるプロセス情報の収集は、論文PDFからのテキスト抽出により実施した。本研究の実施の中で、論文から正確に抽出できない情報、ノイズとして抽出されてしまう情報が発生してしまうことが確認された。本研究で計画していたプロセス情報と物性の関係性を正しく高精度に解明するためには、実験ノートを電子化する等して、実験の段階からすべてのプロセス情報を集めることが必要であると考えられ、本内容は今後の別の研究として引き続き進めていく計画である。
構造情報と物性値戸の関係性分析に関しては、学習データとして第一原理計算データベースMaterialsProjectを利用し、X線回折パターンを入力、基礎物性を学習対象とする機械学習モデルを構築した。X線回折パターンを特徴ベクトル化する際、回折角度や回折強度、ピークの本数など様々な組み合わせを比較検証することで、物性予測に対して必要な特徴を明らかにした。XRDと物性との関係性を明らかにできたことは、学術的に意義があるため論文執筆を進めている。
本研究期間全体を通して得られた知見をもとに構築した独自の大規模データセットは、オープンデータとしてFigshare上に公開した。また本研究内容は、国内外の学会や論文誌への投稿など、様々な形で外部に報告した。
|
