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

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．

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．