マテリアルズ・インフォマティクスの概要と最近の研究事例

こんにちは。スキルアップAI編集部です。

現在、X線吸収スペクトルの測定結果を解釈する際には、第一原理計算という計算手法が多く用いられています。ただ第一原理計算は、とても複雑で計算に膨大な時間がかかります。もし第一原理計算を用いずに、X線吸収スペクトルの測定結果から化合物構造の性質を直接推定できるようになるとすれば、解析時間を大きく短縮することが可能となります。これを実現するための取り組みとして、近年、マテリアルズ・インフォマティクス（MI）が注目されています。
そこで本ブログでは、MIの概要と最近の研究事例についてご紹介します。

1.マテリアルズ・インフォマティクス（MI）の概要

マテリアルズ・インフォマティクス（MI）とは、機械学習やデータマイニングなどの情報科学の技術を用いて、材料開発の効率化を図る分野や技術のことです。従来型開発とMI型開発の比較を図1に示します。従来型の材料開発では、主に先行研究や研究者の経験を頼りに材料設計を行っていました。そのため、いくつもの候補材料に対して何度もシミュレーションや実験を行う必要があり、開発に多くの時間が費やされていました。
一方で、MI型材料開発では、情報科学の技術を用いることによって目標性能を満たす材料を効率的に探索します。これによって、開発期間を大幅に短縮することができます。

図1. 従来型開発とMI型開発の比較

2.最近の研究事例

MIを使った最近の研究事例として、ここでは科学技術振興機構（JST）による決定木を用いたスピン熱電材料開発をご紹介します。
スピン熱電材料とは、スピン（磁石）の力を使った熱電材料のことを言います。このスピン熱電材料は、結晶構造がとても複雑であり、物理化学的な性質が明らかになっていません。そこで、この課題を解決するために、機械学習が用いられました。用いられた機械学習手法は、決定木です。決定木によって、結晶格子ミスマッチ、希土類元素の分子量、スピン磁気モーメント、軌道磁気モーメントから熱起電力を予測するモデルを構築しました。

図2に決定木による予測結果を示します。この予測結果から次の3つのことが明らかとなりました。

・SR（スピン磁気モーメント）が小さいほど熱起電力が大きい
・nR（希土類元素の分子量）が大きいほど熱起電力が大きい
・∆𝑎（結晶格子ミスマッチ）が小さいほど熱起電力が大きい

図2. 決定木の予測結果
（参考文献[2]より引用）

この研究事例のように、MIを用いると、化学や物理学ではまだ解明できていないことについての知見を得ることができます。

3.おわりに

モビリティの進化や5Gの進展など我々を取り巻くテクノロジー環境が大きく変化していく中、これらを加速させることができる新材料へのニーズが高まっています。各国の素材メーカーではすでに激しい開発競争が繰り広げられており、これからますますMIに対しての注目が高まることでしょう。

スキルアップAIでは、「マテリアルズ・インフォマティクス（MI）講座」を開講いたしました。本講座では、MIの現在の動向やMIでよく用いられる主要な解析手法を学ぶことができます。MIにご興味のある方は、ぜひ受講をご検討ください。

4.マテリアリズインフォマティクス関連ブログ

マテリアルズインフォマティクス ことはじめ -化学構造生成器の紹介-

5.参考文献

[1] 金子弘昌：Pythonで学ぶ実験計画法入門、講談社（2021）
[2] Y. Iwasaki et al., Machine-learning guided discovery of a new thermoelectric material, Sci. Rep., 9, 2751 (2019)

☆☆☆
スキルアップAIのメールマガジンでは会社のお知らせや講座に関するお得な情報を配信しています。
配信を希望される方はこちら

また、SNSでも様々なコンテンツをお届けしています。興味を持った方は是非チェックしてください♪
Twitterはこちら
Facebookはこちら
LinkedInはこちら