[解析事例] 機械学習QSPRとマテリアルズ・インフォマティクス
- データサイエンス
- 力学・粘性・粘弾性
- 熱
- 低分子の浸透・拡散・吸着
- 光学・電気・磁気
- 界面・相分離・粒子分散性
- 分子構造・親和性・溶解性
- その他の特性
- マテリアルサイエンス
深層学習を用いた構造物性相関
J-OCTAには、マテリアルズ・インフォマティクスに関係する機能がいくつか含まれます。例えば以下のようなものがあります。
・分子モデリングからシミュレーションまでをGUIを使わずにPythonスクリプトで実行して、物性値などのデータを大量に蓄積する”モデリングAPI”(図1)
・SMILESなどで書かれた分子構造から分子記述子を取得する機能
・複数の分子構造から共通構造を抽出する機能
・グラフ畳み込みニューラルネットワークを用いて、分子構造と物性の関係を学習させて予測する、機械学習QSPR（図2, Quantitative Structure-Property Relationship：構造物性相関）
図1. モデリングAPI
図2. 機械学習QSPR
機械学習QSPRを用いて物性値を予測した例を示します。
非晶性高分子について、図3は密度、図4はガラス転移温度をターゲットにしたものです。機械学習QSPRでは、学習の際にはBicerano法と同じ実験データを用いており、実験データのうち8割を教師データ、2割をテストデータとしています。グラフに示してるのはテストデータについての比較です。なお、分子記述子はモノマー構造を元にしていますので、分子量依存性は考慮していません。
それぞれの左側が機械学習QSPR、右側が従来のQSPR（Bicerano法）を用いたものです。縦軸がQSPRの結果、横軸が実験データです。学習時のパラメータにもよりますが、機械学習QSPRのほうが良い相関を示しています。
重要なのは、機械学習QSPRではユーザーが自身のデータで学習させることができることです。これにより、ユーザーがターゲットとする分子構造に近いデータのみを元にした、カスタマイズされたQSPRを構築することも可能です。
図3. 機械学習QSPRと従来(Bicerano)のQSPRの比較（密度）
図4. 機械学習QSPRと従来(Bicerano)のQSPRの比較（ガラス転移温度）
事例一覧
-
- MD-GANによる固体電池内のLiイオン拡散解析
- リバースマッピングによるアモルファス構造の作成
- 電池電極の成形プロセス（カレンダリング）における圧力と空隙率の計算
- 粗視化分子動力学を用いた複屈折の解析
- 高分子膜の相分離プロセスシミュレーション
- 機械学習によるχパラメータの推定
- 水への溶解性評価
- フィラー樹脂複合材料の熱伝導率計算
- VSOP-PSによる繊維構造への樹脂含浸プロセス計算
- mol-inferを用いたQSPRの逆解析
- FMO-DPDを用いた高分子電解質の相分離構造
- FMO-DPDを用いた脂質膜とベシクルの形成
- カルサイト（方解石）の複屈折と光吸収（SIESTA事例ページへ）
- リチウムイオン電池のシミュレーション（SIESTA事例ページへ）
- 懸濁液の粘度の評価
- 量子補正を適用した固体の定積比熱の評価
- MD-GANを用いた長時間の分子運動の予測
- ポリマーの誘電緩和
- 金属錯体の吸収スペクトル（SIESTA事例ページへ）
- ゼオライトとガス分子の相互作用（SIESTA事例ページへ）
- 蒸着膜のシミュレーション
- 機械学習QSPRとマテリアルズ・インフォマティクス
- シミュレーション結果を用いた粘弾性マスターカーブの作成
- DPDを用いた粘弾性のシミュレーション
- 表面の再構成（SIESTA事例ページへ）
- フォノン分散を利用した剛性マトリクスの算出（SIESTA事例ページへ）
- Steered MDによるポリペプチドの自由エネルギー変化の解析
- 金属の電子比熱解析（SIESTA事例ページへ）
- 格子比熱の解析（SIESTA事例ページへ）
- J-OCTAによる蓄熱材の評価
- MDおよびMO/DFTを用いた比誘電率の評価
- 溶解度係数の算出
- 機械特性評価（SIESTA事例ページへ）
- 結晶の熱膨張（SIESTA事例ページへ）
- ゼオライトへのガス吸着
- GHz周波数領域における水の誘電分散(2)
- 反応のエネルギー変化（SIESTA事例ページへ）
- GHz周波数領域における水の誘電分散(1)
- 固体表面への分子の吸着エネルギー（SIESTA事例ページへ）
- 活性化エネルギーを用いたモンテカルロ判定によるエポキシ樹脂の架橋反応
- 樹脂 複屈折のためのマルチスケールシミュレーション
- 顔料の表面エネルギー（SIESTA事例ページへ）
- スラリー塗工プロセス
- 金属表面と分子の相互作用
- フィラー充填ゴムの繰り返し伸長
- 界面特性を考慮したCFRTPの破壊挙動の解析（Digimat事例ページへ）
- グラフェンシート添加によるCFRTPのマトリクス熱伝導特性改質（Digimat事例ページへ）
- 非平衡MDによる熱伝導率の計算
- ゴム材料のレオロジーシミュレーション
- 架橋フェノール樹脂の物性評価
- エポキシ樹脂架橋反応のシミュレーションからのガラス転移温度評価
- 電池用電解液の計算
- カーボンナノチューブの分散構造と非線形構造解析
- 粗視化ポテンシャルの評価
- DPDによる溶媒蒸発シミュレーション
- ガラス状態ポリマーの一軸伸長とクレーズ形成
- 高分子-固体界面の摩擦
- MDによる粘度の評価
- 相図からのχパラメータ推算
- 高分子-固体界面の剥離
- 気体の溶解係数と自由体積
- QSPRによる物性値の推算
- レオロジー特性
- 熱硬化性樹脂の架橋構造
- MDによる比誘電率の評価
- 複合材料の非線形力学特性（LS-DYNAとの連携）
- DPDによる界面張力の評価
- MDによる溶解度パラメータの評価
- DPDによる液滴のずり変形
- MDによる界面張力の評価
- 体積弾性率評価
- 界面活性剤の影響評価
- 燃料電池の高分子電解質膜解析
- 一軸伸張解析
- 光学特性評価
- ガラス転移温度評価
- ガス拡散解析
- ガス透過解析
- 架橋構造材料の特性評価
- コンポジット材料の特性解析
- ※記載されている製品およびサービスの名称は、それぞれの所有者の商標または登録商標です。
