Discovery Sagaサイレントキーワード俯瞰

不規則構造 / 分子動力学 / 機械学習 / 次元削減 / マテリアルズ・インフォマティクス

機械学習 / 第一原理計算 / マテリアルズインフォマティクス

化学の実験系等の他分野の先行研究を参考に、物性値が所望の範囲内であるような確率を機械学習により評価して、その確率を基に有望物質を探索する手法を提案した。研究室内のデータベースについてこの手法を用いて探索シミュレーションを行ったところ、先行研究で行われているようにベイズ最適化を用いて探索した場合よりも探索の性能が向上することがわかった。さらに、化学プラントの条件最適化の研究例を応用し、複数の物性値が同時に特定の基準を満たす物質を効率よく見つけ出す材料スクリーニング手法を開発した。この複数の物性を考慮した探索手法についても上記のデータベースで探索シミュレーションを行ったところ、形成エネルギーが一定以下かつバンドギャップが特定の範囲に入るような物質を効率よく探索できることがわかった。これらの手法と探索シミュレーション結果をScience and Technology of Advanced Materials: Methods誌に出版した。
また、自動第一原理計算プログラムと上記の手法を組み合わせることにより、データ生成と機械学習による未知物質の有望性の判断により自動物質探索システムを実装した。テスト計算としてMaterials projectに掲載された約４千の酸化物・カルコゲナイドから、4 eV以上のバンドギャップと30以上の誘電率を両立する物質を探索したところ、目標の物質を短時間で効率よく選定できることを実証した。
一方で自動第一原理計算プログラムについて当初の計画通り、有効質量やハイブリッド汎関数によるバンドギャップ等に対応するように拡張をおこなった。

第一原理計算 / 機械学習 / 能動学習 / データベース / マテリアルズインフォマティクス / 材料データベース

系統的な第一原理計算のための自動化プログラムを構築し、開発したプログラムを用いて多様な結晶構造型を持つ1,266の酸化物の誘電定数の系統的な計算を行った。また、誘電率を電子系・格子系の寄与に分け、それぞれについて機械学習により予測モデルを構築し、また誘電率の支配因子を抽出した。
一方で能動学習の手法について、既存データベースにuncertainty samplingを適用することで、未知データに対する予測モデルの予測精度が、少数のデータの追加によって大きく減少させることができることが分かった。さらに、所望の範囲に物性値が収まるデータを優先的に計算対象として探索を進める手法を開発した。

本研究により、多数の物質の多様な物性を効率よく計算できるプログラムを開発し、大規模な計算材料データベースを構築することができた。誘電率について機械学習を行うことにより、高速・高精度な予測モデルの構築に成功し、さらに誘電率の支配因子をデータ科学的に求めることに成功した。
一方で、能動学習により未知のデータを効率よく選択しバランスの良いデータベースを構築できることを示した。
本研究により開発されたプログラム、データベース及び機械学習に構築された予測モデルと支配因子、能動学習の手法は今後のデータ科学・機械学習を用いた効率的な材料探索の基盤技術となると考えられる。

【研究分担者】
二村保徳	筑波大学	システム情報系	助教	(Kakenデータベース)
宮崎剛	国立研究開発法人物質・材料研究機構	国際ナノアーキテクトニクス研究拠点	MANA主任研究者	(Kakenデータベース)
櫻井鉄也	筑波大学	システム情報系	教授	(Kakenデータベース)