C000205 界面構造解析のためのマテリアルズインフォマティクス
東大生研
1○溝口照康
1，清原慎
1Materials informatics for interface structure analysis
Institute of Industrial Science, University of Tokyo1, ○Teruyasu Mizoguchi1, Shin Kiyohara1
【はじめに】界面や表面，転位，空孔などの格子欠陥は バルク内部とは異なる原子配列を有しており，それに起 因して特異的な機能を示す．格子欠陥のようなナノ構造 を解析するために，第一原理計算などの理論計算や，高 い空間分解能を有する透過型電子顕微鏡を用いた解析が 用いられてきた．一方で，そのような解析には膨大な候 補構造の中から最安定（最適）構造を決めたり，複雑な 画像やスペクトルデータを解釈したりする必要がある． そのような研究者駆動型のナノ構造解析には時間と労力 を要し，研究の速度を律速していると考えられる． そこで，ナノ構造解析を加速するために，発表者らの グループでは機械学習を活用した研究を進めている．今 回，仮想スクリーニングおよびベイズ最適化を用いた界 面構造決定，決定木を用いたスペクトルの解釈に関する 研究内容について発表する予定である． 【機械学習を用いた界面構造決定】FCC-Cu の[001]軸対 称傾角粒界の構造を仮想スクリーニングによって決定し た．4 つの粒界で学習（Training）を実施することで回帰 モデルを作成し，同モデルを用いて他の粒界構造を網羅 的に決定した[1]．さらに，ベイズ最適化とガウス過程回 帰（Kriging）を活用した手法や[2,3]，転移学習を活用し た高速化などにも取り組んできた[4]． 【機械学習を用いたスペクトルの解釈】さらに，発表者 らは走査透過型電子顕微鏡法を利用して，ガラス材料や 液体の原子分解能計測，電子分光法とシミュレーション を複合利用した液体および気体分子の振動解析について も取り組んでいる． 最近では，空間分解能や時間分解能の向上によりデー タ数が急増し，“研究者駆動型”のスペクトル解釈が困難 になっている．そこで，機械学習を用いた“データ駆動 型のスペクトル解釈法”の確立にも取り組んでいる[5]． 本発表では以上のような研究について紹介する予定で ある．
[1]S. Kiyohara, et al., Sci. Adv. 2, e1600746 (2016). [2]S. Kiyohara, et al., Jpn. J. Appl. Phys. 55, 2 (2016). [3] S. Kikuchi et al., Physica B 532 (2018) 24-28. [4] H. Oda et al., J. Phys. Soc. Jpn, 86, 123601 (2017). [5] S. Kiyohara et al., Sci. Rep. 8 (2018) 13548-1-12.
