検索条件

商品カテゴリから選ぶ
商品名を入力

現在のカゴの中

合計数量:0

商品金額:0円

カゴの中を見る

月刊機能材料 2020年10月号

  • NEW
【特集】データ駆動型科学による材料開発―マテリアルズインフォマティクスの展開~手法編~

商品コード: M2010

  • 監修: 久保百司
  • 発行日: 2020年10月7日
  • 価格(税込): 4,400 円
  • 体裁: B5判
  • ISBNコード: 0286-4835

個数: 

カゴに入れる

著者一覧

久保百司  東北大学 
谷藤幹子  (国研)物質・材料研究機構 
廣澤史也  工学院大学
樋口隼人  工学院大学
高羽洋充  工学院大学
本郷研太  北陸先端科学技術大学院大学 
岩崎悠真  日本電気(株)
吉武道子  (国研)物質・材料研究機構 
岡田重人  九州大学
喜多條鮎子  山口大学 

目次

-------------------------------------------------------------------------

【特集】データ駆動型科学による材料開発―マテリアルズインフォマティクスの展開~手法編~

-------------------------------------------------------------------------

材料データプラットフォームシステムの設計と構築
Architecture of the Data Platform System in Materials Science

 日本のデータプラットフォームの構築は,材料分野ではNIMSが2017年に着手したことに始まる。日本では,2006年に初めてマテリアルズインフォマティクスという言葉が論文に登場し,以来,実験と計算,材料科学とデータ科学を両輪とするデータ駆動型材料研究が進展している。本システムは,そうしたデータ駆動急伸の中にあり,本稿では材料分野ならではのこだわりと工夫について,大規模システム構築の視点から紹介する。時代はさらに進みデジタルトランスフォーメーションという概念が登場した。IoTデータを含むIT技術の進展に伴う環境の変化に対応し,持続可能なシステムを目指して改良と運用の最適化に取り組んでいる。

【目次】
1 はじめに
2 データプラットフォーム機能
 2.1 データプラットフォームの構成
 2.2 サブシステムとコアシステム,APIフレームワーク
 2.3 データモデルとメタデータの設計
 2.4 集まるデータを繋いで検索・出力可能とする設計
3 材料計測データの自動収集とワークフロー
 3.1 計測機器メーカーとの協同による計測データを機械学習に導くツールの開発と公開
 3.2 収集・判読・解析を実施する共用基盤とワークフロー
 3.3 材料計測データの効率的な解析
4 データ移送におけるデータパッケージングRo-Crateの試み
5 データプラットフォーム上で流通するデータが,相互判読・機械学習にかけられるための語彙の統制MatVoc
6 プラットフォーム活用のシナリオ
7 おわりに―データクラウド時代

-------------------------------------------------------------------------

マテリアルズインフォマティクスのための計算化学シミュレーション技術
Computational Chemistry for Materials Informatics

 計算化学を利用したMI研究の具体的な取り組みを紹介する。触媒の探索例としてリチウム空気電池のORR触媒,電子物性予測への取り組みとしてハライドペロブスカイト量子ドットの発光波長予測,および新規LED用蛍光体材料の探索,そして理論的設計指針をMIで求める例として二酸化炭素分離膜材料について紹介する。

【目次】
1 はじめに
2 リチウム空気電池のORR触媒の網羅的探索
3 ハライドペロブスカイト量子ドットの発光波長の予測
4 Eu2+付活蛍光体の温度消光特性の予測と黄色・赤色発光する新規母体構造の探索
5 二酸化炭素を選択的に分離する分離膜材の設計指針
6 まとめ

-------------------------------------------------------------------------

効率的な材料設計のための統計的機械学習法
Machine Learning for Efficient Materials Design

 本記事は,「コンピュータによる材料設計」としての「マテリアルズ・インフォマティクス(MI)研究」について解説する。計算科学との関連性を交えて,MI研究の中核となる機械学習と関連事項を概説した後,ベイズ的手法による材料設計手法について解説する。

【目次】
1 はじめに
2 MI研究の基本事項
 2.1 化合物空間と化合物探索
 2.2 記述子
 2.3 機械学習
3 データ駆動型材料設計の実例
 3.1 元素置換による材料設計
 3.2 有機材料設計
4 まとめと今後の展開

-------------------------------------------------------------------------

説明可能AIを活用したマテリアルズ・インフォマティクス
Materials Informatics by Using Explainable AI

 マテリアルズ・インフォマティクスでは『AIと科学者の協創』が非常に重要となる。本パートでは,説明可能AIによって構築した機械学習モデル内部を科学者が物理・化学・材料学の知見をもとに解釈・考察しながら展開するマテリアルズ・インフォマティクスについて,その具体的事例を基に説明する。

【目次】
1 説明可能AIとマテリアルズ・インフォマティクス
2 スピン熱電材料
3 説明可能AIを用いたスピン熱電材料開発
4 おわりに

-------------------------------------------------------------------------

マテリアルキュレーションⓇ:科学法則の分野横断的利用による材料探索
Materials Curation: Exploring Materials by Interdisciplinary Utilization of Scientific Principles

科学法則を分野横断的にたどっていくことで,従来材料とは異なった系に材料探索範囲を広げる手法(マテリアルキュレーションⓇ)について述べる。この手法の基となる,科学法則に基づいて材料特性間の関係性を見つける例,その関係性を利用して材料探索に生かす例,及び材料特性の間の関係性をデータベース化して探索するシステムの開発について報告する。

【目次】
1 はじめに
2 科学法則に基づき材料の特性を結びつけるとは:シンプルでも役立つ
 2.1 生成エンタルピーとバンドギャップ
 2.2 生成エンタルピーと酸化還元電位
 2.3 バンドギャップと電気伝導率
3 結びつきのネットワーク構造の解析
4 支援システムの開発
5 最後に

-------------------------------------------------------------------------

[連載 革新型蓄電池の開発に向けた取り組み 第6回]

コンバージョン反応
Conversion-Type Reaction

 EVやグリッドストレージ用蓄電池としてポストLiイオン電池に求められるスペックは,高エネルギー密度から高コストパフォーマンスにシフトしつつある。多電子大容量と低コストを両立する新たな電池反応として鉄系電極活物質におけるコンバージョン反応,さらに犠牲塩と鉄微粒子の混合正極における逆コンバージョン反応について紹介する。

【目次】
1 インターカレーション反応
2 コンバージョン反応
3 逆コンバージョン反応
このページのTOPへ