Development of foundation of materials informatics for organic solids

点击翻译按钮获取中文摘要

有機固体は発光特性や半導体特性、力学特性など多様な機能性をもつ材料群であるが、物性と構造が紐づいたデータベースは非常に限られており、有機固体を対象にしたマテリアルズインフォマティクス（MI）は困難であった。この問題を克服するために、有機固体の融点、ヤング率、構造相転移の有無のデータセットを構築した。融点においてはケンブリッジ結晶構造データベース（CSD）でPython APIを使い、融点の値を取得した。この際、degCやKの単位が混在しており、統一的にKに変換するアルゴリズムを構築した。ヤング率データについては、学術論文からデータを収集することで、約300個のデータセットを構築した。また、構造相転移データについても学術論文から分子構造、結晶構造、転移温度・エンタルピーをまとめることでデータセットを構築した。また、バンドギャップついてはOrganic Materials Database（OMDB）のデータを参照した。得られたデータセットをもとに、機械学習を実施した。バンドギャップの回帰においては分子グラフと結晶グラフの数理表現を比較し、結晶グラフの方が予測精度が高いことを見出した。また、２つのグラフ表現の比較から、分子構造がバンドギャップに与える影響と分子間相互作用がバンドギャップに与える影響を定量的に評価できた。構造相転移では分類問題として扱い、Positive-Unlabeled学習を行った。これによりUnlabeledデータセットの中に含まれるPositiveの可能性が高い分子を抽出することができ、文献および実験により本スクリーニングが有効であることを見出した。他の物性値についても機械学習による予測の有効性を検証した。上記で得れられた研究成果は日本結晶学会、日本化学会春季年会などで学会発表した。また、一部成果については論文投稿中である。