データサイエンス技術を活用した二次元アモルファス材料における熱物性の理論研究

利用数据科学技术进行二维非晶材料热物理性质的理论研究

• 批准号: 21H01816
• 负责人: 南谷 英美
• 金额: $ 10.32万
• 依托单位: Osaka University (2022-2023)Institute for Molecular Science (2021)
• 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 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21H01816/
• 关键词: アモルファス; 機械学習; 熱伝導率; 層状物質; パーシステントホモロジー; 機械学習ポテンシャル; トポロジカルデータ解析; シミュレーション

前年度から進めていたアモルファスSiおよびアモルファスCにおける熱伝導率と構造の相関をパーシステントホモロジーによって解析する成果については、論文出版に至った。この研究で作成したアモルファスCの第一原理計算の知見を元に、さらに、液体状態のカーボンやアモルファスCの様々な構造におけるエネルギーと力の第一原理計算結果を集積し、１６０００個以上のデータを含むデータセットを作った。そのデータセットを用いて、パーシステントホモロジーの情報から、系の原子あたりの平均エネルギーを予測する機械学習モデルの作成を行った。パーシステント図を２次元のヒストグラムに変換し、それを正規化することで、Ridge回帰や、畳み込みニューラルネットワーク（CNN）を用いてエネルギーの予測を行うことができることが判明した。また、機械学習モデルの入力として扱う際にヒストグラムを正規化していることによって、学習に用いたサイズより大きい系に対してもエネルギーの予測を行うことが可能であり、機械学習ポテンシャルとしての条件を満たしていることが判明した。パーシステントホモロジーに対する逆解析を組み合わせることで、アモルファス構造内のどの箇所がエネルギーの高低に対応しているかを可視化することができることも明らかになった。これらの結果より、パーシステントホモロジーを活用することで、空間に対する並進・回転操作や同種粒子の入れ替えに対して不変であることを満たす、機械学習ポテンシャルへの入力データを作成できることが示された。

Before the annual か ら into め て い た ア モ ル フ ァ ス Si お よ び ア モ ル フ ァ ス C に お け る 伝 heat conductivity と tectonic の phase masato を パ ー シ ス テ ン ト ホ モ ロ ジ ー に よ っ て parsing す る results に つ い て は, papers published に to っ た. で こ の research done し た ア モ ル フ ァ ス C の first principles calculation の knowledge を yuan に, さ ら に, liquid state の カ ー ボ ン や ア モ ル フ ァ ス C の others 々 な tectonic に お け る エ ネ ル ギ ー と force の first principles calculation results を し deposition, more than 16000 の デ ー タ を containing む デ ー タ セ ッ ト を as っ た. そ の デ ー タ セ ッ ト を with い て, パ ー シ ス テ ン ト ホ モ ロ ジ ー の intelligence か ら, is の atomic あ た り の average エ ネ ル ギ ー を be す る rote learning モ デ ル の made line を っ た. パ ー シ ス テ ン ト 図 を 2 dimensional の ヒ ス ト グ ラ ム に variations in し, そ れ を regularized す る こ と で, Ridge 帰 や, 畳 み 込 み ニ ュ ー ラ ル ネ ッ ト ワ ー ク (CNN) を い て エ ネ ル ギ ー の line to measure を う こ と が で き る こ と が.at し た. ま た, mechanical learning モ デ ル の と into force し て Cha う interstate に ヒ ス ト グ ラ ム を regularized し て い る こ と に よ っ て, learning に い た サ イ ズ よ り big き い department に し seaborne て も エ ネ ル ギ ー の line to measure を う こ と が may で あ り, mechanical learning ポ テ ン シ ャ ル と し て を の conditions against た し て い る こ と が.at し た. パ ー シ ス テ ン ト ホ モ ロ ジ ー に す seaborne る inverse analytic を group み close わ せ る こ と で, ア モ ル フ ァ ス structure within の ど の a が by エ ネ ル ギ ー の height に 応 seaborne し て い る か を visualization す る こ と が で き る こ と も Ming ら か に な っ た. こ れ ら の results よ り, パ ー シ ス テ ン ト ホ モ ロ ジ ー を use す る こ と で, space に す seaborne る の planning operation や, hand in hand back the same particles into the れ for え に し seaborne て - not で あ る こ と を against た す, mechanical learning ポ テ ン シ ャ ル へ の デ into force ー タ を made で き る こ と が shown さ れ た.

项目成果

Topological descriptor of thermal conductivity in amorphous Si

非晶硅热导率的拓扑描述符

• DOI: 10.1063/5.0093441
• 发表时间: 2022
• 期刊: The Journal of Chemical Physics
• 作者: Minamitani Emi;Shiga Takuma;Kashiwagi Makoto;Obayashi Ippei
• 通讯作者: Obayashi Ippei

Relationship between local coordinates and thermal conductivity in covalent amorphous solids

共价非晶固体中局部坐标与热导率的关系

• 发表时间: 2022
• 作者: Emi Minamitani;Takuma Shiga;Makoto Kashiwagi;Ippei Obayashi
• 通讯作者: Ippei Obayashi

発熱と熱輸送の第一原理計算

产热和传热的第一性原理计算

• 发表时间: 2022
• 作者: Koji Shimizu;Yasunobu Ando;Emi Minamitani;Satoshi Watanabe;南谷英美
• 通讯作者: 南谷英美

Persistent homology-based descriptor for machine-learning potential

用于机器学习潜力的基于持久同源性的描述符

• 发表时间: 2023
• 作者: Isoda Yosuke;Kan Daisuke;Ogura Yumie;Majima Takuya;Tsuchiya Takashi;Shimakawa Yuichi;Emi Minamitani
• 通讯作者: Emi Minamitani

Topological descriptor of thermal conductivity in covalent amorphous solids

共价非晶固体热导率的拓扑描述符

• 发表时间: 2022
• 作者: Kan Daisuke;Moriyama Takahiro;Aso Ryotaro;Horai Shinji;Shimakawa Yuichi;打田正輝;廣森慧太，下山絢女，中島伸夫，間瀬一彦，長谷川巧，小澤健一;Emi Minamitani
• 通讯作者: Emi Minamitani