All about Photonics

Science/Research 詳細

UCSD、新しい安定材料の予測に人工ニューラルネットワークスを利用

October, 22, 2018, San Diego--アーティフィシャルニューラルネットワークス(ANNs) – 脳の接続からヒントを得たアルゴリズム、は様々なタスクの実行を「学ぶ」、自動運転車では歩行者の方向、医療画像の分析、言葉の翻訳までのタスクである。現在、UCSDの研究チームは、新しい安定的な材料を予測するためにANNsをトレーニングしている。
 「材料の安定性の予測は、材料科学、物理学、化学では中心課題である」とUCSD Jacobs工学部ナノエンジニアリング教授、論文のシニアオーサ、Shyue Ping Ongは言う。「一方、リーナス・ポーリングの5ルール(Linus Pauling’s five rules)のような伝統的な化学直感がある。これは半径とイオンパックに関して結晶の安定性を説明している。他方、結晶形成から得られるエネルギーを形成する高価な量子力学的計算がある。これは、スーパーコンピュータを使わなくてはならない。われわれは、これら2つの世界を乗り越えるためにANNsを使う」と説明している。
 わずか2つの入力、電気陰性度とイオン半径を使い、結晶のエネルギー形成を予測するためにANNsをトレーニングすることで、材料バーチャルラボ、Ongの研究チームは、ガーネットとペロブスカイトとして知られる2種類の結晶で安定的な材料を特定できるモデルを開発した。これらのモデルは、以前のマシンラーニングモデルよりも10倍正確であり、ラップトップを使い、わずか数時間で数千の材料を効率的にスクリーニングできる速さがある。:研究チームは、この研究の詳細をNature Communicationsに発表した。
 「ガーネットとペロブスカイトは、LED光、再充電可能リチウムイオン電池、ソーラセルなどに使われている。これらのニューラルネットワークスは、こうした重要なアプリケーションのために、新しい材料の発見を大幅に加速する潜在力がある」と論文の筆頭著者、Weike Yeはコメントしている。
 研究チームは、このモデルをウエブアプリケーション(http://crystals.ai)でアクセスできるように公開している。これにより、他の人々が、このニューラルネットワークスを使い、ガーネット、ペロブスカイト化合物のエルギー形成を即座に計算することができる。
 研究チームは、他の結晶プロトタイプや他の材料特性にもニューラルネットワークスのアプリケーションを拡大することを計画している。