データサイエンス技術を活用した二次元アモルファス材料における熱物性の理論研究

利用数据科学技术进行二维非晶材料热物理性质的理论研究

基本信息

批准号：
21H01816
负责人：
南谷英美
金额：
$ 10.32万
依托单位：
Osaka University (2022-2023)Institute for Molecular Science (2021)
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

前年度から進めていたアモルファスSiおよびアモルファスCにおける熱伝導率と構造の相関をパーシステントホモロジーによって解析する成果については、論文出版に至った。この研究で作成したアモルファスCの第一原理計算の知見を元に、さらに、液体状態のカーボンやアモルファスCの様々な構造におけるエネルギーと力の第一原理計算結果を集積し、１６０００個以上のデータを含むデータセットを作った。そのデータセットを用いて、パーシステントホモロジーの情報から、系の原子あたりの平均エネルギーを予測する機械学習モデルの作成を行った。パーシステント図を２次元のヒストグラムに変換し、それを正規化することで、Ridge回帰や、畳み込みニューラルネットワーク（CNN）を用いてエネルギーの予測を行うことができることが判明した。また、機械学習モデルの入力として扱う際にヒストグラムを正規化していることによって、学習に用いたサイズより大きい系に対してもエネルギーの予測を行うことが可能であり、機械学習ポテンシャルとしての条件を満たしていることが判明した。パーシステントホモロジーに対する逆解析を組み合わせることで、アモルファス構造内のどの箇所がエネルギーの高低に対応しているかを可視化することができることも明らかになった。これらの結果より、パーシステントホモロジーを活用することで、空間に対する並進・回転操作や同種粒子の入れ替えに対して不変であることを満たす、機械学習ポテンシャルへの入力データを作成できることが示された。

我们从去年开始就一直致力于利用持久同源性分析非晶硅和非晶碳的热导率和结构之间的相关性，结果现已在论文中发表。基于本研究创建的非晶碳第一性原理计算知识，我们还积累了液态碳和非晶碳各种结构中能量和力的第一性原理计算成果，并创造了16000多个我创建了一个包含的数据集。使用该数据集，我们创建了一个机器学习模型，该模型可以根据持久的同源信息预测系统每个原子的平均能量。人们发现，通过将持久图转换为二维直方图并对其进行归一化，可以使用岭回归或卷积神经网络（CNN）来预测能量。此外，通过在将直方图作为机器学习模型的输入处理时对其进行归一化，即使对于大于用于学习的尺寸的系统也可以预测能量，并且机器学习潜力的条件可以是它相遇了。还清楚的是，通过结合持久同源性的逆分析，可以可视化非晶结构内的哪些位置对应于高能级和低能级。这些结果表明，通过利用持久同源性，可以为机器学习势创建输入数据，以满足空间中平移和旋转操作以及相似粒子替换不变的要求。