3次元メッシュで表現した結晶構造を用いた材料物性の予測に向けた深層学習モデルの設計

抄録

新規材料の研究開発の効率化を目的として，深層学習などの機械学習モデルを用いて材料物性を予測する研究が盛んに行われている．材料物性は結晶構造の影響を大きく受けるため，これまでに結晶構造のデータの表現方法や，それらを活用した深層学習モデルの設計が提案されている．代表的な先行手法では，結晶構造を2次元のグラフに変換し，グラフ畳み込みニューラルネットワークを用いて物性を予測する．しかし，結晶構造は本来3次元の情報であるため，グラフに変換することで原子位置などの3次元情報を失うことになる．そこで本研究では，結晶構造を3次元メッシュとして表現することに着目し，メッシュデータを用いた物性予測のための深層学習モデルを提案する．提案手法は，結晶構造のドロネー三角形分割による3次元メッシュ化および各三角形の頂点元素に基づく特徴量の付与により作成した3次元情報を保持したデータを用いて学習を行う．Materials Projectのデータセットを用いて形成エネルギーを予測する評価の結果，提案手法の平均絶対誤差は0.066 eV/atomであり，シミュレーションによる計算誤差以下であることが示された．