Automation of Data-Driven Multidimensional Materials Design and Acceleration of Synthesis for New Materials Discovery

点击翻译按钮获取中文摘要

この研究提案は最近注目されているハイエントロピー合金を機能性材料として利用するために、データ駆動型材料開発手法（マテリアルズインフォマティクス）とスマート化したハイスループット合成・評価と機械学習など融合させ、機能性材料を探索する試みである。データ駆動型材料開発では大量の多元系材料のデータが必要になる。本研究では、周期律表からスピンにd電子をもつ元素を選び出しBCC構造とFCC構造をKKR-CPA法で計算を行うことで高速な計算を試みた。ｄ電子系を中心として３８元素の組み合わせ(38C4~7.4万通り)でハイエントロピー合金（HEA）合金等比率４元系に対して計算を進め、7万件の計算データを蓄積することができた。求める特性をもつハイエントロピー合金の発見のためには効率的な計算が必要である。そのためにここでは多目的ベイズ最適化手法を用いて効率的に目的とする材料のデータを蓄積した。しかし、信頼性のある材料予測のためには、もっと多くのデータが必要であることがわかった。また、ハイエントロピー合金では結晶系を固定しているために、現実的な材料予測にに一部のデータが不適切であることも分かった。そのために、さらなる計算の高速化をめざして、機会学習を用いた原子間ポテンシャル計算を行い、多元系材料の結晶構造を高速に計算する方法の開発を進めた。これらと並行してハイスループット実験を通じて実験データを計算データによるデータベース構築も進めた。