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。
スマート材料デザイン
SMART DESIGN OF MATERIAL AND PROCESS
これまでの材料開発は、無限の組み合わせから様々な実験の繰返しを通じて、ようやく一つの材料が生み出されるといったもので、実用化には膨大な年月を必要とします。
スマート材料デザイン領域では、このような材料開発の現場にデータアナリティクスの概念を取りこみ、ビッグデータの学習やマルチスケールでの材料シミュレーションを駆使することで、要求された性能の材料候補を予測します。これによって、材料の開発期間を大幅に短縮させるとともに、これまでになかった新しい材料の発見にまでつなげていくことを目指しています。
