Establishment of a foundation for polymer material design by integrating data science and molecular simulation

整合数据科学和分子模拟，为高分子材料设计奠定基础

• 批准号: 22K11949
• 负责人: 林 慶浩
• 金额: $ 2.66万
• 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 (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K11949/
• 关键词: マテリアルズインフォマティクス; 分子動力学法; データベース; 分子動力学計算; 量子化学計算; ベイズ最適化

本研究はデータ科学と材料科学の学際領域であるマテリアルズインフォマティクス（MI）を対象とする基盤技術を創出することを目指す．近年，統計的機械学習に基づくデータ駆動型材料設計の技術が材料研究の様々な分野に急速に導入されている．一方で，高分子材料分野では，実験・シミュレーション共にデータ量が圧倒的に不足しており，データ駆動型アプローチの進展に大幅な遅延が生じている．そこで本研究では，様々な高分子材料に適用可能な分子動力学（MD）シミュレーションの全プロセスを自動化できるオープンソースライブラリ，RadonPyを開発しGitHub上（https://github.com/RadonPy/RadonPy）で公開した．RadonPyは，MD計算ソフトウェアLAMMPSによる高分子物性計算の自動化を支援するPythonライブラリである．ポリマーの繰り返し単位の化学構造を入力し，力場の割り当て，初期構造の生成，平衡・非平衡MD計算による物性評価までの全工程を完全に自動化する.このRadonPyを用いて，高分子物性データベースの構築する．1,000骨格以上のアモルファス高分子について，熱伝導率や比熱，線膨張係数，屈折率を含む15種類の物性を計算した。MDで計算された物性を実験データと系統的に比較し，計算条件を検証した．また，MDで計算された物性の実験値に対するバイアスは，転移学習と呼ばれる機械学習の方法論によって補正することができた．ハイスループットなデータ作成により，極めて高い熱伝導率（>0.4 W / m・K）を持つ8つのアモルファス高分子とその熱伝導メカニズムを特定した．

This study focuses on the development of science and materials. In recent years, statistical machine learning has been rapidly introduced into the field of material research, based on the technology of dynamic material design. On the one hand, the polymer material division is different, and the total amount of the polymer material is insufficient to reduce the pressure. The progress of the polymer material is greatly delayed. This research is aimed at automating all possible molecular dynamics (MD) solutions for polymer materials.RadonPy is developed on GitHub (https://github.com/RadonPy/RadonPy).RadonPy is supported by Python for automating MD calculations for polymer properties. The chemical structure of the unit is introduced, the force field is cut, the initial structure is generated, the equilibrium and non-equilibrium MD calculations are performed, and the whole engineering is completely automated. For this purpose, polymer properties, thermal conductivity, specific heat, linear expansion coefficient, refractive index, etc. are calculated for polymers with a structure of more than.1,000 cells, including 15 types of physical properties. MD calculation of physical properties The calculation of MD is based on the theory of mechanical learning. High thermal conductivity (>0.4 W /m·K) High thermal conductivity (>0.4 W / m·K) High thermal conductivity

项目成果

高分子物性自動計算システムRadonPyによる産学連携データプラットフォームの共創

使用聚合物性能自动计算系统RadonPy共同创建产学合作数据平台

• 发表时间: 2022
• 作者: 塩谷 晃平;魏少奇;王 森レイ;甲斐 博;高橋 寛;林 慶浩
• 通讯作者: 林 慶浩

Machine Learning-Assisted Exploration of Thermally Conductive Polymers Based on High-Throughput Molecular Dynamics Simulations

• DOI: 10.1016/j.mtphys.2022.100850
• 发表时间: 2021-09
• 期刊: Materials Today Physics
• 影响因子: 11.5
• 作者: Ruimin Ma;Hanfeng Zhang;Jiaxin Xu;Luning Sun;Y. Hayashi;R. Yoshida;J. Shiomi;Jian-Xun Wang

高分子物性自動計算システムRadonPyの開発と産学連携によるデータベース共創

通过产学合作开发聚合物性质自动计算系统RadonPy并共建数据库

• 发表时间: 2023
• 作者: 荻田 高史郎;清水 健吾;中西 佳菜子;甲斐 博;王 森レイ;高橋 寛;清水 明宏;林 慶浩
• 通讯作者: 林 慶浩

Development of an Automated Polymer Property Calculation System “RadonPy” and Data Platform Co-creation through Industry-Academia Collaboration

产学合作开发自动化聚合物性能计算系统“RadonPy”及数据平台共建

• 发表时间: 2022
• 作者: Y. Hayashi;Y. Noguchi;A. Takahashi;W. Stephen;R. Yoshida
• 通讯作者: R. Yoshida

Transfer learning with affine model transformation

具有仿射模型变换的迁移学习

• 发表时间: 2022
• 期刊: arXiv
• 作者: Shunya Minami;Kenji Fukumizu;Yoshihiro Hayashi;Ryo Yoshida
• 通讯作者: Ryo Yoshida