グラフニューラルネットワークを用いた結晶構造の力学的特性予測

抄録

マテリアルズインフォマティクス（MI）は，各種材料データベースと機械学習等を活用し，新材料の設計や発見を加速させる手法として注目されている．特に，材料特性の予測や候補材料の効率的な探索が可能となり，エネルギーや電子デバイスなど幅広い分野で応用が進んでいる．一方，土木，建築，機械分野等では，弾性係数などの力学特性や耐腐食性等が材料の特性として求められるが，それらの性質を対象とした材料探索技術は十分に確立されていない．本研究では，結晶構造のバンドギャップ予測を目的として開発された既存の複数のグラフニューラルネットワーク（GNN）モデルを，特に体積弾性係数の予測モデルとして適用することを試みた．検証の結果，本研究の範囲では，すべてのモデルで高い予測性能を示した．