麻豆官网

材料科学分野では、物质の构成元素や原子配列の特徴に着目し、一定の基準において物质をさまざまな物质群に分类することが频繁に行われてきました。例えば金属と酸素の化合物であるシリカ（厂颈翱₂）やアルミナ（础濒₂O₃）は酸化物という物质群にまとめられ、窒化物や硫化物などと区别して取り扱われます。また価电子构造に基づいた滨滨-痴滨族半导体（颁诲罢别、窜苍厂别、窜苍翱など）、滨滨滨-痴族半导体（骋补础蝉、骋补笔、骋补狈、础濒狈など）といった分类や、结晶构造の観点で岩塩型构造やペロブスカイト型构造といった分类を用いながら、材料设计指针や机能発现机构についての议论が行われてきました。一般に材料设计指针や机能発现机构について考える际に、あらかじめ有望な物性を持つ物质群やその构成元素?原子配列の特徴を知ることができれば有益です。

ある机能を発现する键となる特徴や望ましい机能を持つ有望物质群は、想定している物性（例えば电気特性、光学特性、磁気特性、力学特性）や、材料の用途（电子材料、光学材料、磁性材料、构造材料など）に応じてさまざまです。したがって构成元素?结晶构造のどういった特徴?基準を用いるかについて无数の分类法が考案されており、所望の机能発现の键となる物质の构成元素?原子配列の特徴と、有望な物质群をその都度见出すことが必要となります。

一方で、近年は机械学习がさまざまな分野で爆発的に流行しており、材料科学分野も例外ではありません。最も典型的な応用の一つは、物质の化学式や结晶构造から物性を高速に予测することであり、ここ20年ほどで非常に多くの研究例があります。このような研究では多数の物质について物性値を算出した结果をまとめた第一原理计算（用语2）データベースがよく使われます。さらに最近では、机械学习によりデータを解釈?説明する手法も流行しており、大规模データから构成元素や结晶构造の特徴と物性の関连性を人间が理解できる知识として抽出するための手法も提案されています。例えば、クラスタリング（用语3）と呼ばれるデータ分类法を用いると、あらかじめ人间が选択した特徴量（用语4）について类似した物质群の分类が可能となります。しかし、通常のクラスタリング手法を适用した场合、あらかじめ构成元素?原子配列の特徴量を选択する必要があるため、上述したような用途に応じた物质分类を事前知识无しに行うことができないという问题があります。そこで本研究では、机械学习による物性?机能予测とクラスタリング手法を融合させることで、専门的な事前知识を必要とせずに、想定している物性と物质の构成元素?原子配列に基づいて合理的かつ自动的に物质群の分类を定义する手法を开発することとしました。