構造相転移発現を事前に予測することで、材料・製薬分野での効率的な新材料創出が可能に

2023年7月10日
早稲田大学

 

 

機械学習で有機固体の相転移を起こす分子をスクリーニングする手法を開発 構造相転移発現を事前に予測することで、材料・製薬分野での効率的な新材料創出が可能に

 

本プレスリリースの詳細は早稲田大学公式WEBサイトをご覧ください⇒ https://www.waseda.jp/top/news/91898

 

【表:https://kyodonewsprwire.jp/prwfile/release/M102172/202307107009/_prw_PT1fl_S9RpIHG1.png

 

【画像:https://kyodonewsprwire.jp/img/202307107009-O2-DV6zIG27】 多数の分子から構造相転移を起こす分子を抽出する概念図

 

 

早稲田大学データ科学センター谷口卓也(たにぐちたくや)准教授、同大理工学術院の朝日透(あさひ とおる)教授、同大大学院先進理工学研究科一貫制博士課程4年の石崎一輝(いしざきかずき)および同大大学院先進理工学研究科修士課程(研究当時)の高木大輔(たかぎだいすけ)らの研究グループ(以下、本研究グループ)はこのたび、機械学習を使った有機固体の構造相転移スクリーニングに成功しました。予測した候補分子の約8%で実際に相転移を確認でき、従来のDFT法※では不可能だった大規模スクリーニングが可能になりました。蓄熱材や強誘電材、アクチュエータ材料など、構造相転移によって機能が発現する材料分野を中心に、様々な分野への応用が期待されます。

本研究成果は、英国の王立科学会が発行する『Digital Discovery』誌にて"Molecular screening for solid–solid phase transition by machine learning"として、 2023年6月22日(木)にオンラインで掲載されました。

URL: https://doi.org/10.1039/D3DD00034F

DOI: 10.1039/D3DD00034F

 

 

用語解説

※DFT法

密度汎関数理論(Density Functional Theory)に基づく理論計算の手法です。使用する基底関数や計算方法にもよりますが一般に高い計算精度を求める際に用います。高い計算精度を求めるほど計算時間もかかります。

 

情報提供元: PRワイヤー
記事名:「 機械学習で有機固体の相転移を起こす分子をスクリーニングする手法を開発