量子デバイス・コンピューティング

QUANTUM DEVICE AND COMPUTING

データとAIを駆使してモノに秘められた特性を予測し、ヒトが考え及ばない理想的な組成・構造・プロセスを創出します。材料研究・開発の高効率化のため、機械学習を活用したデータ駆動型の材料デザイン/探索手法であるMIのさらなるブラッシュアップと、実際の材料開発への適用を同時に進めることで実現していきます。
材料開発スピードを飛躍的に加速させるだけでなく、数理・物理研究と融合することにより、想像上の材料やデバイスを具現化することも目指しています。

機械学習ポテンシャルを用いた大規模シミュレーション技術

量子力学計算の結果を教師データとして、機械学習により原子間ポテンシャルを生成するアルゴリズムを開発しました。その結果、量子力学計算では直接扱うことのできないナノ粒子(~3000原子)表面の触媒活性や、固体Liイオン伝導体の構造相転移にともなうLi拡散挙動の予測を可能としました。

機械学習ポテンシャルを用いた大規模シミュレーション技術の概要図

材料組織の機械学習技術

ディープラーニングモデル(CNN) を使ってイオン伝導体の電子顕微鏡像から伝導度が予測できるようになりました。CNNが注視している部分を可視化したところ、空孔が伝導度の低下要因であることが示唆されました。

材料組織の機械学習技術の概要図
PAGE TOP