Automated prediction system of Hamaker constants based on molecular theory and simulations associated with data science

基于分子理论和数据科学模拟的哈梅克常数自动预测系统

• 批准号: 19K05029
• 负责人: 本郷 研太
• 金额: $ 2.91万
• 依托单位: Japan Advanced Institute of Science and Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 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-19K05029/
• 关键词: 濡れ性; ハマカー定数; リフシッツ理論; 密度汎関数法; 機械学習; 分子記述子; Lorentz-Lorentzの式; Onsagerの式; Cauchyの式; マテリアルズ・インフォマティクス; 第一原理計算; データ科学

半導体製造の液相プロセスでは、最終的な成膜品質を支配する重要な因子として、基盤上での前駆体溶液の濡れ性が問題となる。濡れ性は、溶媒のハマカー定数を指標として制御されるが、溶媒選択を行うためのハマカー定数のデータベースは構築されていない。そのため、濡れ性制御に関する液体プロセス設計は、実務担当者のこれまでの知見と経験に限られた範囲での溶媒選択にならざるを得ず、必ずしも最適な溶媒選択とはなっていない。本研究は、ハマカー定数のハイスループット算定を実現するための予測モデルを構築して、実験に依らない溶媒スクリーニング技術を開発することを目的とする。これまでの研究成果として、分子記述子とハマカー定数の直接的な回帰モデルの場合、物性予測プロセスのブラックボックス化に由来する解釈困難性に起因して、モデル改善が困難であることが明らかになった。本研究では、この困難性を克服するために、分子理論に基づき、ハマカー定数を構成する種々の光学パラメータの機械学習モデルに還元し、それらを統合することで、直接予測モデルの性能を改善できた。今年度は、決定木分類に基づき、予測性能の向上を妨げるパラメータの同定と、当該光学パラメータで予測精度の悪い結果を与える分子群を同定できたため、なぜ当該パラメータで予測性能を改善できないのか？を明らかにすることができた。現在、これらの知見をまとめ、原著論文の執筆準備を進めている。

Semiconductor manufacturing の liquid プ ロ セ ス で は, eventually な film-forming quality を dominate す る important factor な と し て, base plate で の 駆 body solution before の れ speech &drama sex が と な る. Speech &drama れ は, solvent の ハ マ カ ー destiny を index と し て suppression さ れ る が, solvent sentaku を line う た め の ハ マ カ ー destiny の デ ー タ ベ ー ス は build さ れ て い な い. そ の た め, れ speech &drama suppression に masato す る liquid プ ロ セ は ス design, be undertaker の こ れ ま で の knowledge と 経 験 に limit ら れ た van 囲 で の solvent sentaku に な ら ざ る を ず, will ず し も optimum な solvent sentaku と は な っ て い な い. は, this study ハ マ カ ー destiny の ハ イ ス ル ー プ ッ ト consider を be presently す る た め の be モ デ ル を build し て, be 験 に in ら な い solvent ス ク リ ー ニ ン グ technology を open 発 す る こ と を purpose と す る. こ れ ま で の research と し て, molecular account と ハ マ カ ー destiny の direct な back 帰 モ デ ル の occasions, physical properties can be プ ロ セ ス の ブ ラ ッ ク ボ ッ ク ス change に origin す 釈 る solution difficulty に cause し て, モ デ ル improve が difficult で あ る こ と が Ming ら か に な っ た. This study で は, こ の difficulty を overcome す る た め に に, molecular theory づ き, ハ マ カ ー destiny を constitute す る kind 々 の optical パ ラ メ ー タ の rote learning モ デ ル に yuan し, そ れ ら を integration す る こ と で, directly to measure モ デ ル の improvement を で き た. Our は ", decided to wood classification に づ き upward, to measure performance の を hinder げ る パ ラ メ ー タ の with と, when the optical パ ラ メ ー タ で to measuring precision の 悪 い results を and え る を molecular group with fixed で き た た め, な ぜ when the パ ラ メ ー タ で to measure improvement を で き な い の か? Youdaoplaceholder0 Ming ら とがで にする とがで た た. Now, を れら <s:1> opinions をまとめ, the original paper <e:1> is ready to be written を into めて る る る.

项目成果

オークリッジ国立研究所/アルゴンヌ国立研究所(米国)

橡树岭国家实验室/阿贡国家实验室（美国）

Exploring Heat-Shielding Nanoparticle-Based Materials via First-Principles Calculations and Transfer Learning

• DOI: 10.1021/acsanm.0c03298
• 发表时间: 2021-02
• 作者: Tomohiro Yoshida;R. Maezono;K. Hongo

データ駆動型アプローチに基づく物質探索とキャラクタリゼーション

基于数据驱动方法的材料探索和表征

• 发表时间: 2023
• 作者: Lijun Wang;Zhengxu Li;Shingo Ohira;Takaomi Itoi;Hiroyuki Yoshida;and Yun Lu;松永啓吾，森園靖浩，山室賢輝，連川貞弘;本郷研太
• 通讯作者: 本郷研太

Ab initio materials informatics approach to materials design and characterization

材料设计和表征的从头算材料信息学方法

• 发表时间: 2021
• 作者: 黄嘉一;蒋毅男;LIU SHIQI;吉田浩之;魯 云;本郷研太
• 通讯作者: 本郷研太

二次電池の材料に関する最新技術開発開【NO.2163】

二次电池材料相关最新技术开发[NO.2163]

• 发表时间: 2022
• 作者: Kashiwase Sakiko;Unekawa Mariko;Hisazawa Hiromu;Terada Yoshihiro;Kenta Hongo;柏瀬早季子，畝川真梨子，久澤大夢，寺田芳弘;Kenta Hongo;柏瀬早季子，畝川真梨子，久澤大夢，寺田芳弘;Yoshihiro Terada;本郷研太 他
• 通讯作者: 本郷研太 他