Research Results 研究成果
ポイント
概要
近年のデータ科学の発展にともない、化学・材料分野でもデータ科学を融合する研究が活発に行われています。エネルギー、環境、バイオ等の多方面で社会を支える基幹材料群である機能性高分子分野への適用も研究されはじめていますが、構築された機械学習モデルの多くはブラックボックス化しており、機械学習単独での利用が想定されているため、研究者の知識・経験をサポートして新材料設計を効率化する様なモデル開発は行われていませんでした。
九州大学大学院工学研究院の加藤幸一郎准教授、藤ヶ谷剛彦教授および同大学工学府博士課程2年のPhua Yin Kan氏らの研究グループは、燃料電池や水電解装置の中核部品を担うアニオン交換膜材料を対象に、2つの教師なし機械学習モデルを連携させることで化学構造情報に基づく材料マップを作成しました。さらに、マップ上の各材料データ点をアニオン伝導度(アニオン交換膜の重要物性)の値に応じて色付けることで、多様なアニオン交換膜のアニオン伝導度と化学構造の特徴・関係性を明らかにし、材料マップを用いた材料設計の効率化を提案しました。
研究者は自身の知識・経験に加えて今回作成した材料マップを参照することで、化学構造と物性の関係性を俯瞰しながら自身の思考を深め、効率的に高性能な材料の設計・開発に取り掛かることができます。また、マップ作成手法は汎用性があり、様々な材料の開発を加速させる波及効果が期待できます。
本成果は、2024年07月15日にWiley-VCHが発行する国際学術誌「ChemElectroChem」にオンライン掲載されました。
用語解説
(※1) 水電解装置
電気エネルギーにより水を水素と酸素に分離する装置。
(※2) アニオン交換膜
イオンを選択透過させるイオン交換膜の1種であり、陽イオンを交換するものを「カチオン交換膜」、陰イオンを交換するものを「アニオン交換膜」と呼ぶ。
(※3) 教師なし機械学習
学習データに対して正解ラベルを与えない状態で学習できるモデルである。データセットの特徴的な情報を抽出することに長けている。
(※4) 主成分分析(PCA)
教師なし機械学習の一種。高次元データセットを線形的に集約して新たな変量である主成分を作成する手法である。
(※5) Uniform Manifold Approximation and Projection(UMAP)
教師なし機械学習の一種。高次元データセットを非線形的に集約して新たな変量である「埋め込み表現」を作成する手法である。
論文情報
掲載誌:ChemElectroChem
タイトル:Unsupervised Machine Learning-Derived Anion-Exchange Membrane Polymers Map: a Guideline for Polymers Exploration and Design
著者名:Phua, Yin Kan; Terasoba, Nana; Tanaka, Manabu; Fujigaya, Tsuyohiko; Kato, Koichiro
DOI:10.1002/celc.202400252
お問い合わせ先