機械学習で有機固体の相転移を起こす分子をスクリーニングする手法を開発！

構造相転移発現を事前に予測することで、材料・製薬分野での効率的な新材料創出が可能に

 

早稲田大学理工学術院の朝日 透教授らの研究グループは、このたび、機械学習を使った有機固体の構造相転移スクリーニングに成功しました。予測した候補分子の約８％で実際に相転移を確認でき、従来のDFT法*1では不可能だった大規模スクリーニングが可能になりました。蓄熱材や強誘電材、アクチュエータ材料など、構造相転移によって機能が発現する材料分野を中心に、様々な分野への応用が期待されます。

【発表のポイント】

◆これまで予測の難しかった構造相転移について、機械学習の一種であるPositive-Unlabeled学習により相転移を起こす分子を効率的にスクリーニングする手法を開発し、その有効性を検証しました。

◆予測した候補分子のうち約８％で実際に相転移が確認されました。これは、有機固体の結晶構造データベース（CSD）に含まれる相転移の報告率約0.3％を大きく上回る数値であり、従来の方法ではできなかった構造相転移の大規模スクリーニングが可能になりました。

◆構造相転移は蓄熱材料、強誘電材料、アクチュエータ材料などで重要な現象であるため、材料分野を中心に様々な分野での適用が期待されます。

※1 DFT法：密度汎関数理論（Density Functional Theory）に基づく理論計算の手法です。使用する基底関数や計算方法にもよりますが一般に高い計算精度を求める際に用います。高い計算精度を求めるほど計算時間もかかります。

 

本研究成果は、2023年6月22日（木）に英国の王立科学会が発行する『Digital Discovery』誌にて速報版としてオンライン公開されました。

【論文情報】
雑誌名：Digital Discovery
論文名： Molecular screening for solid–solid phase transition by machine learning

DOI： 10.1039/D3DD00034F

詳しくはこちらをご覧ください。

【早稲田大学HP】

https://www.waseda.jp/top/news/91898