Discovery of innovative functional materials using state-of-the-art machine learning

利用最先进的机器学习发现创新功能材料

• 批准号: 19H01132
• 负责人: 吉田 亮
• 金额: $ 28.79万
• 依托单位: The Institute of Statistical Mathematics
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (A)
• 财政年份: 2019
• 资助国家: 日本
• 起止时间: 2019-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19H01132/
• 关键词: マテリアルズインフォマティクス; 機械学習; 分子設計; 逆合成経路解析; 高分子; 第一原理計算; 分子動力学シミュレーション; 転移学習; 量子科学計算

データ駆動型材料研究のデータ科学の基盤技術に関する研究を実施した．今年度の研究成果の概要は以下の通りである．(1) 関係型出力変数を予測する機械学習のアルゴリズムを開発した．分子の光吸収スペクトルや物性の温度依存性曲線，材料組織の電子顕微鏡画像等，材料研究における関数型出力変数を予測する深層カーネル回帰の手法を開発した（Iwayama et al., J. Chem. Inf. Model. 62, 20, 4837-4851 (2022)）．(2) 機能性分子と合成経路を同時に設計するための機械学習アルゴリズムを開発した（Zhang et al., Sci. Technol. Adv. Mater., in press）．(3) 任意の化学組成が与えられたときに，安定・準安定状態の結晶構造を予測する機械学習アルゴリズムを開発した（Kusaba et al., Comput. Mater Sci. 211, 111496 (2022), Liu et al., submitted）．従来の結晶構造予測では，第一原理エネルギー計算を多数繰り返す必要があり，単位胞内に30個以上の原子を含むような大きな系には適用できなかった．提案したショットガン法は，従来法に比べて，計算負荷が5～10倍以上少なく，予測精度も2～6倍高い．(4)　全原子古典分子動力学法（MD計算）による高分子物性計算を全自動化するソフトウェアRadonPyを開発した（Hayashi et al., npj Comput. Mater. 8, 222 (2022)）．RadonPyは，高分子材料の繰り返し単位の化学構造と重合度，温度などの計算条件を入力とし，アモルファスポリマーや高分子溶液などの系に対し，熱物性や光学特性を含むさまざまな物性を自動計算する．

Youdaoplaceholder0 デ タ駆 タ駆 dynamic material research <s:1> デ タ タ タ scientific <s:1> substrate technology に related する research を implementation た た. Summary of the <s:1> research results <e:1> of this year である The following <s:1> general である である. (1) Relational force variable を pre-measurement する machine learning <s:1> ア ゴリズムを development <s:1> た. Molecular <s:1> light absorption スペ ト ト や や physical property <s:1> temperature dependence curve, material structure <s:1> electronic 顕 micro-mirror portrait, etc. Material study における number type force variation を pre-measurement する deep カ する ネ ネ 帰 return 帰 <s:1> technique を development た (Iwayama et al., J. Chem. Inf. Model. 62, 20, 4837-4851 (2022)). (2) Functional molecules と synthetic pathway を concurrent に design するため <s:1> mechanical learning ア ゴリズムを ゴリズムを development た (Zhang et al., Sci. Technol. Adv. Mater., in press). (3) Any <s:1> chemical composition が and えられたと に に Stable and quasi-stable state <s:1> crystalline structure を pre-test する machine learning ア ゴリズムを ゴリズムを development <s:1> た た (Kusaba et al., Comput. Mater Sci. 211, 111496 (2022), Liu et al., submitted). 従 to の crystal structure can be で は, first principle エ ネ ル ギ ー computing を most Qiao り return す necessary が あ り, 単 an intracellular に contains more than 30 の atomic を む よ う な big き な department に は applicable で き な か っ た. The proposal たショットガ たショットガ the <s:1> method and the 従 method に have a computational load that is 5 to 10 times less なく than べて, and a pre-measurement accuracy that is <s:1> 2 to 6 times higher たショットガ. (4) All-atom classical molecular dynamics (MD calculation) による polymer property calculation を fully automated するソフトウェアRadonPyを development た た (Hayashi et al., npj Comput. Mater. 8, 222 (2022)). RadonPy は, polymer の Qiao り return し 単 の chemical structure と contact ratio, temperature な ど の を と into force calculation conditions し, ア モ ル フ ァ ス ポ リ マ ー や polymer solution な ど の is に し seaborne, thermal physical properties や optical properties を containing む さ ま ざ ま な property を automatic computing す る.

项目成果

Design of liquid-crystalline polyimides by integrating expert knowledge to a data-driven machine learning framework

将专业知识集成到数据驱动的机器学习框架中设计液晶聚酰亚胺

• 发表时间: 2022
• 作者: Ju Shenghong;Yoshida Ryo;Liu Chang;Wu Stephen;Hongo Kenta;Tadano Terumasa;Shiomi Junichiro;Stephen Wu;Stephen Wu;Stephen Wu;Stephen Wu;Stephen Wu;Stephen Wu;Stephen Wu;Stephen Wu;Stephen Wu
• 通讯作者: Stephen Wu

プロジェクト概要：データ駆動型高分子材料研究の諸問題

项目概述：数据驱动的高分子材料研究问题

• 发表时间: 2022
• 作者: 高瀬祥，Tito Pradhono;Tomo，Somlor Sophon，Alexander Schmitz，菅野重樹;吉田 亮
• 通讯作者: 吉田 亮

Exploring diamondlike lattice thermal conductivity crystals via feature-based transfer learning

• DOI: 10.1103/physrevmaterials.5.053801
• 发表时间: 2019-09
• 期刊: Physical Review Materials
• 影响因子: 3.4
• 作者: S. Ju;Ryo Yoshida;Chang Liu;Stephen Wu;K. Hongo;T. Tadano;J. Shiomi

データ駆動型材料科学における統計的機械学習とシミュレーションの融合：限られたデータの壁を乗り越える

将统计机器学习与数据驱动材料科学中的模拟相结合：克服有限数据的障碍

• 发表时间: 2023
• 作者: 草場 穫;劉 暢;藤田 絵梨奈;桂 ゆかり;木村 薫;吉田 亮;吉田 亮;吉田 亮
• 通讯作者: 吉田 亮

データ駆動型物質・材料研究の諸問題：限られたデータの壁を乗り越える

数据驱动材料研究的问题：克服有限数据的障碍

• 发表时间: 2023
• 作者: 草場 穫;劉 暢;藤田 絵梨奈;桂 ゆかり;木村 薫;吉田 亮;吉田 亮;吉田 亮;吉田 亮
• 通讯作者: 吉田 亮