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｡