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

数据驱动的多维材料设计自动化和新材料发现合成加速

• 批准号: 21H01375
• 负责人: 知京 豊裕
• 金额: $ 10.82万
• 依托单位: National Institute for Materials Science
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21H01375/
• 关键词: 第一原理計算; 自動計算; ハイエントロピー合金; ハイスループット合成; 自律化; ハイスループット実験; 原子間ポテンシャル; 結晶構造; 機能性材料; 機会学習; データ駆動型材料開発; スマート化

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。

This research proposal is focused on the development of functional materials, evaluation of mechanical learning and exploration of functional materials. The development of dynamic materials is necessary for the development of a large number of supporting materials. In this study, the periodic law table is used to select the elements, and the KKR-CPA method is used to calculate the elements. The composition of 38 elements in the electron system (38C4~7.4 million electrons) is calculated by the ratio of 4-element alloy (HEA), and 70,000 pieces of calculation are accumulated. It is necessary to calculate the efficiency of the alloy. The goal of the project is to optimize the efficiency of the project. The material is expected to be tested, and it is necessary to do so. The crystal system is fixed and the material prediction is incomplete. The development of high speed calculation method for multi-crystal structure of supporting materials This is the first time that I've ever been to a school.

项目成果

CrySPY: a crystal structure prediction tool accelerated by machine learning

• DOI: 10.1080/27660400.2021.1943171
• 发表时间: 2021-01
• 期刊: Science and Technology of Advanced Materials: Methods
• 作者: T. Yamashita;S. Kanehira;N. Sato;H. Kino;Kei Terayama;Hikaru Sawahata;Takumi Sato;F. Utsuno;Koji Tsuda;Takashi Miyake;T. Oguchi

Orange Data Miningではじめるマテリアルズインフォマティクス

开始使用 Orange Data Mining 来了解材料信息学

• 发表时间: 2021
• 作者: 木野日織;ダム ヒョウ チ
• 通讯作者: ダム ヒョウ チ

Pythonではじめるマテリアルズインフォマティクス

使用 Python 开始了解材料信息学

• 发表时间: 2022
• 作者: 木野 日織;ダム ヒョウ チ
• 通讯作者: ダム ヒョウ チ

データ駆動科学による知識獲得―趣旨説明―

通过数据驱动的科学获取知识 - 目的说明 -

• 发表时间: 2022
• 作者: Michiya Mozumi;Masaaki Omura;Ryo Nagaoka;and Hideyuki Hasegawa;木野日織
• 通讯作者: 木野日織

因果主導の見方による機能分解ネットワークとマテリアルズ・インフォマティクスの問題の体系的記述

从因果驱动的角度系统描述功能分解网络和材料信息学问题

• 发表时间: 2021
• 作者: 木野 日織;溝口理一郎
• 通讯作者: 溝口理一郎