权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Development of foundation of materials informatics for organic solids

有机固体材料信息学基础的发展

基本信息

批准号：
22K14747
负责人：
谷口卓也
金额：
$ 2.83万
依托单位：
Waseda University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

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。

Organic solids have light-emitting properties, semiconductor properties, mechanical properties, functional properties, material groups, physical properties, and structure. These problems can be overcome by melting point, melting rate, structural phase shift and the presence or absence of organic solids. At the melting point, the Python API is used in theンAt the same time, the degree C and K units are mixed, and the unified K units are changed. About 300 academic papers were collected and constructed. Molecular structure, crystal structure, temperature shift, structure shift The Organic Materials Database (OMDB) is a reference site for all users. The first step is to open the door. A comparison of the mathematical performance of the molecular and crystalline structures was made, and the prediction accuracy of the crystalline structure was improved. 2. Comparison of molecular structure, molecular structure, molecular interaction and quantitative evaluation of molecular interaction Structural shift, classification, Positive-Unlabeled learning The Unlabeled text contains the possibility of high molecular weight extraction. He is a physical property expert, a mechanical learning expert, a predictive expert, and an effective expert. The results of this research were presented at the annual spring meeting of the Japan Crystallization Society and the Japan Chemical Society. A result of a paper submission.